在刚刚结束的“PTV杯”第十三届全国大学生交通科技大赛中，我院杜豫川、黄世泽老师指导的作品《面向无人驾驶的智慧路灯定位系统设计》和唐克双老师指导的作品《互联网车辆轨迹数据驱动的交叉口排队长度估计及仿真评价》荣获一等奖，洪玲老师指导的作品《基于势能场与社会力模型融合的轨道交通车站应急疏散仿真体系研究》荣获二等奖。 第十三届全国大学生交通科技大赛共有152所高校报名参赛，在初赛作品报送阶段，共有123所高校提交了378件作品，经过专家组匿名通讯评审，来自47所高校的80件作品通过选拔进入决赛。 在5月19日的决赛中，我院三支参赛队伍通过精彩的作品介绍陈述和答辩，从80件作品中脱颖而出，斩获一等奖2项、二等奖1项。“《面向无人驾驶的智慧路灯定位系统设计》李泊霖、周华骏、王天佐、吴冕、申思语”“《互联网车辆轨迹数据驱动的交叉口排队长度估计及仿真评价》张颜麟、张一鸣、于中锐、杨逸琳、肖鑫”“《基于势能场与社会力模型融合的轨道交通车站应急疏散仿真体系研究》邱树涵、李金珏、刘政宇、付旭炜” 同济大学交通运输工程学院具有浓郁的科研氛围和注重学生创新与实践能力培养的传统，为激发学生的创新意识、提高
同济大学智能交通新兴计算与感知研究课题组，在JCR一区期刊International Journal of Pavement Engineering发表了由杜豫川、潘宁、徐子豪、邓富文、沈煜、康华撰写的研究论文“Pavement distressdetection and classification based on YOLO network”。路面病害的检测和分类评估在路面管养中起着十分重要的作用，然而过去的路面病害检测非常依赖于人工手段，限制了其在大范围、高频率的路面质量检测中的使用。因此本研究中，采用基于深度学习的目标检测框架YOLO网络进行自动的检测和分类。通过高速工业数字相机对路面视频信息进行拍摄采集，采集得到高分辨率的路面图像，然后进行统一标准化的标定，形成了20余万张标签化的数据集可作为模型输入，并采用机器视觉技术提取路表面材质的形态特征。路面病害主要表征为路表面的各种损坏、变形及其它缺陷。网络通过准确提取路表面材质的形态特征，采用深度学习的方法寻找其与路面病害的对应关系，从而输出路面病害的可能位置框及其分类。选用Precision-recall和Detection e
同济大学智能交通新兴计算与感知研究课题组，在JCR一区期刊Construction and Building Materials发表了由杜豫川、覃伯豪、翁梓航、吴荻非、刘成龙撰写的研究论文“Promoting the pavementskid resistance estimation by extracting tire-contacted texture based on 3Dsurface data”。路面抗滑性能对道路安全和养护至关重要。现有研究主要通过计算路面纹理的各种参数来评价路面抗滑性能。然而，大多数研究人员主要基于全部纹理计算参数，而很少考虑纹理的哪一部分实际参与了摩擦。本文提出了基于摩擦接触面积的抗滑性能的预测方法。首先提出了基于实验和多元回归的摩擦接触纹理计算和提出方法。其次，构建了基于提取特征的抗滑预估模型，并比较了基于全部纹理和摩擦接触纹理的抗滑预测模型的表现。结果表明，使用预估的摩擦接触纹理作为输入时，预测模型的准确性更高。研究证明了通过提取摩擦接触纹理可提高抗滑性预测的性能，采用该方面可大大减少数据量，有效地减轻数据计算压力。论文链接：https://www
