研究方向
1、“孪生边缘计算”赋能的车路协同智能管控。
本研究主要解决传统基于边缘计算的车路协同系统面临的三大挑战：智能车感知范围有限、路侧单元计算能力受限、异构交通管控复杂度高。提出了数字孪生与移动边缘计算相结合解决上述问题，最终实现车路协同下的智能高效交通网络-信息网络联合管控。该研究适合数学功底较深，喜欢理论研究的同学。
2、数据驱动的自动驾驶智能控制决策。
传统基于模型的车辆控制策略受限于最优决策边界，其灵活性、扩展性和适应性有待提升，为解决上述问题，拟研究数据驱动的学习类自动驾驶微观/中观控制策略，从数据样本中提取环境特征，进而学习决策方法，包括端到端自动换道决策、基于强化学习的换道决策、基于监督学习的自动驾驶车集群控制决策等（大概意思是：在混沌中寻找规则，在规则中创造秩序）。该研究适合喜欢跟数据打交道，以及有兴趣使用python、sumo进行机器学习编程的同学。
3、低功耗低复杂度车路通信协议与设备研发。
基于已有V2X通信协议，研发针对典型车路协同业务特征（如电子标志牌等）的低功耗低复杂度车路协同通信协议和设备，该研究适合喜欢动手实践（软件+硬件）的同学。
