（一）交通大数据建模与智能挖掘

智能交通组织优化是一种能够将智能交通信号控制、智能交通路网规划设计、智能交通诱导贯通的综合路网管控方案。实验室将通过大数据平台分析和挖掘智能交通参数数据、地理信息数据、基础设施数据等相关信息，把握路网运行状况、路网服务水平以及路网运行特征，构建智能交通信息采集系统和辅助决策支持系统。将车辆信息系统，道路信息系统，使用者信息系统，通过采集大量实现智能交通子系统间的数据融合。

主要研究内容有：

（1）实时海量交通数据分析与挖掘；

（2）非线性交通流短时预测预报；

（3）城市交通大系统信息交互设计；

（4）城市交通出行需求预测。

（二）网络出行行为建模与仿真

交通网络它具有复杂的动力学特征、时空特征以及结构特征，是一个典型的复杂网络。交通网络中一个重要的组成部分即是道路网络，利用复杂网络理论来研究城市道路网络，能够将网络中的微观个体与宏观整体有效结合，有助于优化路网结构，为城市规划与建设提供决策支持，同时也为城市路网研究提供了新的视角和方法。实验室将从复杂网络理论入手，构建基于复杂网络的城市路网控制模型及仿真模型，针对城市交通中的热点问题，分析城市路网结构特征，给出基于复杂网络理论的城市路网交通流量的控制方法及路网抗攻击性与脆弱性评价方法。

主要研究内容为：

（1）基于复杂网络理论的交通流量建模；

（2）基于混合交通行为理论的交通形态融合与控制；

（3）交通网络的能控性与能达性分析；

（4）城市交通网络仿真分析。

（三）路网交通控制与系统优化

交叉口是城市道路网络中的关键位置，单个交叉口的交通信号控制是被运用最为广泛的控制方式，但其更适合于孤立的交叉路口。从宏观的角度来看，实行区域交通信号协调控制对于提高交通运输效率和减少车辆的平均延误有着显著的作用。本实验室将基于先进的检测技术，分析混合交通条件下交通行为、车辆到达和排队模式，研究城市信号交叉口交通状态感知技术；基于多目标（延误、排放、停车）的优化方法，对区域内多交叉口交通信号进行协调控制；并基于区域交通拥挤程度平衡方法，研究区域协调自适应控制技术。

主要研究内容：

（1）单路口信号灯配时优化控制；

（2）多路口信号灯协同优化控制；

（3）区域交通适应式在线控制方法。

（四）车路协同管理与控制

智能交通系统采用大量的传感器采集车辆和道路信息，大量的车辆通过车联网（车-车、车-路通信网络）获得其他车辆及道路信息，可实现交通优化和高效车辆控制，对于协调车辆流高效通信且平稳安全行驶至关重要。但由于高速行驶的车辆实时控制周期短且每次接入网络短暂，无线网络状态易受环境及车辆影响而频繁变化，且车联网通信带宽有限，车载传感器在恶劣天气条件下的感知能力有限甚至完全失效，因此车辆的协作通信与控制面临着极大的理论和技术挑战。本实验室将针对智能车路系统中的车联网通信局限性、车载传感器失效以及复杂车辆动态特性，开展车辆协作控制与车联网通信资源协调分配理论和方法研究。

主要研究内容：

（1）车辆队列控制及协作自适应巡航控制方法；

（2）基于协议序列的车联网通信协调策略；

（3）车辆信道接入和协作控制方法体系；

（4）信号灯-车辆速度协同控制；

（5）面向路网交通流平衡的车辆速度、路径规划与信号灯协同控制。