姚焓东 - 哈尔滨工业大学（威海）

个人简介

姚焓东，哈尔滨工业大学（威海），汽车工程学院副教授。2020年毕业于哈尔滨工业大学，获得博士学位；2020-2022年在美国南佛罗里达大学从事博士后研究。研究领域为融合物理理论和机器学习的交通轨迹数据挖掘，以及基于网联自动驾驶汽车的交通管控方法研究。累计发表高水平学术论文13篇，曾多次在国际高水平会议上进行宣讲，在多个国际期刊和会议上担任评委，并在《Journal of Traffic and Transportation Engineering (English Edition)》专刊“Cutting-edge Technologies for Safe and Sustainable Transportation Systems”担任客座编辑。教育经历 200908-201307 微电子合肥工业大学学士 201308-201507 交通工程哈尔滨工业大学硕士 201508-202004 交通工程哈尔滨工业大学博士 201709-201909 交通工程美国南佛罗里达大学联合培养博士工作经历哈尔滨工业大学（威海）副教授 202210至今美国南佛罗里达大学博士后 202007-202209

研究领域

研究方向一：融合物理理论和机器学习的交通轨迹数据挖掘交通轨迹数据是实现智慧交通的核心驱动力之一，随着大量研究投入到交通实地测试中，各种类型的实测交通数据不断涌现，海量实测交通数据能丰富CAV技术的开发，尤其是当海量数据与AI算法（如深度学习和强化学习等）一起配合使用时，能显著提升模型性能。然而，由于机器学习纯数据驱动的特点，其无法有效解析车辆行为对交通的影响机理，也错失了进一步提升模型性能的能力。该方向主要针对基于机器学习的数据降维、车辆识别、轨迹预测和车辆冲突风险预测等方法进行了初步探索，取得了一定的创新性成果：一方面，利用物理统计模型（如时域线性回归和频域傅里叶变换）和深度学习算法（如CNN和LSTM神经网络等），对交通震荡捕捉、车辆跟驰行为建模、车辆类型识别、车辆轨迹预测、交通安全和能耗建模等进行了研究；另一方面，采用泰勒展开、傅里叶变化和神经网络编码器等方法对高维度车辆轨迹数据进行降维处理，在获得相近模型性能同时，有效地降低模型复杂度以减少训练耗时和计算能耗，从而促使其应用于低成本的节能型CAV交通系统。基于此，预期在以下几个方面强化该方向研究：1）根据交通流特性，在混合交通流中识别出自动驾驶车和人工驾驶车，考虑不同厂商和级别的自动驾驶车，对自动驾驶车识别进行深入研究，从已有海量数据集中提取更多自动驾驶车数据，丰富数据类型和场景；2）利用更为复杂的机器学习算法构建轨迹预测模型，在提高模型性能的同时，赋予其解释模型能力；3）在基于深度学习的模型中加入交通流物理特性，构建混合模型并应用于交通安全和能耗研究，以提升模型性能。该系列研究为提炼交通大数据中的科学问题提供了理论基础和方法支撑。研究方向二：基于网联自动驾驶汽车的交通管控方法研究在网联自动驾驶技术推动下，以驾驶员-车辆单元为研究对象的传统交通流理论面临着前所未有的机遇与挑战。核心挑战可以归结为：传统交通流理论建立在“对获取信息能力有限的人的行为建模与分析”基础上，而网联自动驾驶技术日趋成熟，致使车辆可控程度和信息富化水平得到了极大加强，这使得传统交通流理论无法适应新技术所提供的道路交通环境。该方向针对城市信号交叉口，依据时空轨迹可行域分析、交通流速度平滑、分段轨迹近似等理论，提出基于可变速度限制的网联车轨迹平滑、基于分布式控制的网联自动驾驶车轨迹规划、以及规避人工驾驶车辆换道影响的网联自动驾驶车轨迹规划等方法，并通过联合仿真平台验证所提方法的有效性和场景覆盖性。基于此，预期从以下几个方面进一步深化该方向的研究：1）从简单的单点信号交叉口扩展至道路环境更为复杂的交通信号走廊和网络，基于已有交通流速度平滑理论，利用动态规划和强化学习等方法，对CAV轨迹进行优化；2）在原有CAV轨迹优化的基础上，从单一的空间轨迹优化扩展至多时空的信号配时和轨迹协同优化；3）探索网络攻击（如多辆CAV受到网络袭击而产生较大的感知/预测误差，或无法接收规划的轨迹）对CAV交通系统的影响，以及如何避免网络攻击的负面影响，或提出相应的后备方案以减缓负面影响。该系列研究能为解决交通拥堵、安全和能耗等问题提供方法论支撑。

近期论文

查看导师最新文章（温馨提示：请注意重名现象，建议点开原文通过作者单位确认）

Physics-informed Multi-step Real-time Conflict-based Vehicle Safety Prediction Yao, H., Li, Q., & Leng, J 2023 期刊名称 Accident Analysis & Prevention 期卷 182, 106965 简单介绍影响因子：6.376，中科院一区，SCI Physics-Aware Learning-based Vehicle Trajectory Prediction of Congested Traffic in a Connected Vehicle Environment Yao, H., Li, X., & Yang, X. 2023 期刊名称 IEEE Transactions on Vehicular Technology 期卷 72(1), 102-112 简单介绍影响因子：6.239，中科院二区，SCI Trajectory Prediction Dimensionality Reduction for Low-Cost Connected Automated Vehicle Systems Yao, H., Li, Q., & Li, X. 2022 期刊名称 Transportation Research Part D: Transport and Environment 期卷 111, 103439 简单介绍影响因子：7.041，中科院二区, SCI A Matched Case-control Method to Model Car-following Safety Li, Q., & *Yao, H. 2022 期刊名称 Transportmetrica A: Transport Science 期卷 44945 简单介绍影响因子：3.277，中科院二区, SCI An empirical study on fuel consumption of commercial automated vehicles Shi, X., Yao, H., Liang, Z., & Li, X. 2022 期刊名称 Transportation Research Part D: Transport and Environment 期卷 106, 103253 简单介绍影响因子：7.041，中科院二区, SCI Lane-change-aware connected automated vehicle trajectory optimization at a signalized intersection with multi-lane roads Yao, H., & Li, X. 2021 期刊名称 Transportation Research Part C: Emerging Technologies 期卷 129, 103182 简单介绍影响因子：9.022，中科院一区, SCI Decentralized control of connected automated vehicle trajectories in mixed traffic at an isolated signalized intersection Yao, H., & Li, X. 2020 期刊名称 Transportation research part C: emerging technologies 期卷 121, 102846 简单介绍影响因子：9.022，中科院一区, SCI A study of relationships in traffic oscillation features based on field experiments Yao, H., Li, Q., & Li, X. 2020 期刊名称 Transportation Research Part A: Policy and Practice 期卷 141, 339-355 简单介绍影响因子：6.615，中科院二区, SCI A trajectory smoothing method at signalized intersection based on individualized variable speed limits with location optimization Yao, H., Cui, J., Li, X., Wang, Y., & An, S. 2018 期刊名称 Transportation Research Part D: Transport and Environment 期卷 62, 456-473 简单介绍影响因子：7.041，中科院二区, SCI