根据基本科学指标库ESI（Essential Science Indicators）的最新统计数据，以同济大学智能交通新兴计算与感知研究课题组刘成龙副教授为第一作者、杜豫川教授为通讯作者，同济大学道路与交通工程教育部重点实验室为第一完成单位，发表在交通运输领域顶级国际期刊Transportation Research Part C: Emerging Technologies （中科院一区，Top期刊，影响因子为9.022）的论文“Large-scale pavement roughness measurements with vehiclecrowdsourced data using semi-supervised learning”（2021年，125卷）入选工程（Engineering）领域ESI全球高被引论文、ESI热点论文。ESI高被引论文是指同年度同学科领域中被引频次排名前1.0%以内的文章；ESI热点论文是同一ESI学科论文在当前更新周期的两个月内，新增的被引次数排在前0.1%的论文。

      该研究面向大规模路网平整度快速检测难题，利用车辆众筹数据分布范围广、更新频率高、采集成本低的优势，建立了多车路网级路面平整度协同检测方法，提出了一种基于半监督学习的车-路参数置信标定方法，解决了众筹数据车辆信息脱敏、参数未知的问题。该算法同时考虑了多车参数标定的置信度和路面平整度预估的置信度，在半监督自训练迭代过程中有效提高了算法鲁棒性与结果可靠性。实验表明：测试路网中50个路段的预估平整度总体平均相对误差小于10%，与传统的多车移动平均模型相比有显著改进。同时指出半监督学习模型的误差大小取决于算法的迭代次序。基于所提出的模型，进一步讨论了采样频率和车辆数量对模型精度的耦合影响，为大规模路面平整度的快速测量提供了新方法。

      ESI是由世界著名的学术信息出版机构美国科技信息所（ISI）推出的衡量科学研究绩效、跟踪科学发展趋势的基本分析评价工具，是基于汤森路透WebofScience（SCIE/SSCI）所收录的全球11000多种学术期刊的数千万条文献记录而建立的计量分析数据库。ESI对全球所有的SCIE、SSCI库中2005年以来的论文数据进行统计，按被引频次的高低确定出衡量研究绩效的阈值；ESI高被引论文已成为当前衡量和评价国家/地区科研水平、机构学术声誉、学科水平、科学家学术影响力以及期刊学术水平的一个重要指标。