基本情况

张永男，讲师，硕士生导师，2021年9月毕业于北京交通大学交通信息工程及控制专业并获工学博士学位，同年11月加入北京工业大学。长期从事人工智能、并行计算、交通流微观仿真、交通大数据时空预测、交通信号协同控制与优化、智能网联新型混合交通流控制等领域的教学与科研工作。先后主持国家自然科学基金青年项目、中国博士后科学基金面上项目、交通工程北京市重点实验室开放课题等多项科研项目，参与国家自然科学基金面上项目、北京市自然科学基金轨道交通联合项目、企事业横向课题等多项科研项目。近年来，以第一作者在IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions onIndustrial Informatics等期刊上发表高水平论文多篇，现为IEEE Transactions onIntelligent Transportation Systems、IEEE Transactions on Cybernetics、IEEE Transactions onConsumer Electronics、Expert Systems With Applications、Engineering Applications of Artificial Intelligence等期刊审稿人。

研究方向

1.人工智能与并行计算

2.交通流微观建模与仿真

3.交通信号协同控制与优化

4. 智能网联混合交通流控制

科研项目

1.国家自然科学基金青年项目，基于边缘计算的交通网络流协同低碳控制，2023/01-2025/12，主持

2.中国博士后科学基金面上项目，基于云边协同的智能网联混合交通流分布式协同控制，2023/06-2024/07，主持

3.北京工业大学交通工程北京市重点实验室开放课题，智能网联环境下交通信号预测控制与并行优化，2022/01-2023/12，主持

4.国家自然科学基金面上项目，高速铁路网络列车运行基于模型预测和证据推理的安全预测与冲突防范，2017/01-2020/12，参与

5.北京自然科学基金轨道交通联合项目，基于边缘计算的城轨列车运行智能协同控制，2020/01-2022/12，参与

6.云控智行（上海）汽车科技有限公司企事业委托项目，云控智行-上海临港交通AI感知算法，2024/01-2024/12，参与

获奖情况

1. 第五届交通运输工程全国优秀博士学位论文，北京交通工程学会，2023年

2. 北京交通大学电子信息工程学院优秀博士学位论文，2022年

3. 第十届全国大学生统计建模大赛北京赛区三等奖，指导老师，2024年

4. 北京工业大学城市交通学院青年教师教学基本功比赛二等奖，2024年

教学工作

主讲《智能交通系统集成》，本科生课程

代表性研究成果

1. Yongnan Zhang, Yonghua Zhou, Hamido Fujita. Distributed multi-agent reinforcement learning for cooperative low-carbon control of traffic network flow using cloud-based parallel optimization [J]. IEEE Transactions on Intelligent Transportation Systems, 2024, 25(12): 20715-20728.

2. Yongnan Zhang, Yonghua Zhou, Huapu Lu, Hamido Fujita. Spark cloud-based parallel computing for traffic network flow predictive control using non-analytical predictive model [J]. IEEE Transactions on Intelligent Transportation Systems, 2022, 23(7): 7708-7720.

3. Yongnan Zhang, Yonghua Zhou, Huapu Lu, Hamido Fujita. Traffic network flow prediction using parallel training for deep convolutional neural networks on Spark cloud [J]. IEEE Transactions on Industrial Informatics, 2020, 16(12): 7369-7380.

4.Yongnan Zhang, Yonghua Zhou. Cooperative multi-agent actor-critic approach using adaptive value decomposition and parallel training for traffic network flow control [J]. Neurocomputing, 2025, 623: 1-11.

5. Yongnan Zhang, Yonghua Zhou, Huapu Lu, Hamido Fujita. Cooperative multi-agent actor-critic control of traffic network flow based on edge computing [J]. Future Generation Computer Systems, 2021, 123: 128-141.

6. Yongnan Zhang, Yonghua Zhou. Distributed coordination control of traffic network flow using adaptive genetic algorithm based on cloud computing [J]. Journal of Network and Computer Applications, 2018, 119: 110-120.