面向智能交通决策的实时车辆追踪博士研究项目

【项目地点】 该职位位于英国伯明翰阿斯顿大学校园。成功的候选人需居住在校园合理距离内，并需定期亲自到访。

【项目介绍】 配备追踪技术的车辆产生海量数据，为交通运营、规划和安全提供重要洞察。阿斯顿大学在机器学习、人工智能和交通工程领域的专业知识将充分释放这些数据的价值，优化运营、增强安全性并推动可持续出行解决方案。研究挑战包括整合和管理大规模数据集，以及确保隐私和安全合规。 本项目旨在通过分析方法利用车辆追踪数据优化交通运营、规划和安全，具体目标包括：

1. 开发符合隐私要求的方法，用于整合和标准化多源数据；
2. 基于多源数据构建准确、可扩展的多智能体模型，用于预测性交通分析；
3. 设计纳入天气和基础设施条件等外部因素的实时优化和自主协调算法。 通过释放数据集的全部潜力，该研究将革新传统交通建模，实现更精准的决策和交通规划新应用。

【项目独特性】 本项目结合行业数据、部署机会（如考文垂市议会试点）及阿斯顿大学ACAIRA中心的人工智能资源。候选人将在全球认可的指导团队支持下，开创具有影响力的解决方案。

【指导团队与研究环境】 指导团队在智能交通系统、机器学习和基于智能体的建模方面具有互补专业知识。Tong博士在交通工程和交通建模领域拥有超过25年经验，是分析车辆追踪数据开发驾驶循环的知名专家，其成果已被政府和学术界采用。Chli博士领导的研究团队在智慧城市人工智能领域享有国际声誉，包括用于交通优化的深度强化学习和用于政策与基础设施模拟的基于智能体的建模，其近期在考文垂市议会部署的工作获得国内外广泛关注（BBC新闻、德国之声、新西兰电台）。 候选人将受益于阿斯顿大学人工智能研究与应用中心及交通研究组的活跃环境，与知识转移合作伙伴关系、真实世界数据集和前沿人工智能技术的互动将支持具有强转化价值的高影响力研究。

【行业合作与数据资源】 Mobito作为欧洲领先的数据出行平台，将提供高质量真实世界数据集的独家访问权限和宝贵行业洞察。项目将利用来自车辆、传感器和开源交通数据源的多样化高分辨率数据集。核心技术包括Python、PyTorch、地理空间数据平台及AWS或Azure等云端处理框架。

【候选人发展机会】 · 在真实交通系统中开发和部署人工智能算法的经验 · 接触迁移学习、基于智能体的建模和仿真综合等前沿人工智能方法 · 有机会与顶级期刊发表团队共同署名（如AAMAS、ITSC、JAIR、TRA、TRC） · 支持参加高规格会议和人工智能政策论坛（如图灵研究所AI UK、IEEE ITSC、TRB年会、HKSTS） · 在具有强大产业和公民合作伙伴网络的全球互联人工智能研究团队中获得指导

【申请要求】 候选人应已获得或预期获得以下资格之一： · 相关学科的一等或二等一级学士学位； 或 · 相关学科的一等或二等一级学士学位，以及相关学科的优异或更高等级硕士学位。 被阿斯顿大学认可为与上述资格等同的其他国家学历亦可申请。

优先条件： · 强大的编程能力 · 对机器学习和交通系统有浓厚兴趣 · 相关学科硕士学位（优异或更高） · 深度强化学习经验 · 熟悉交通工程或智能出行框架

【申请材料】 申请必须完整并包含所有支持文件，否则将被自动拒绝。所需材料包括：

1. 所有高等教育学位的英文版成绩单和证书（包括学士学位）
2. 研究陈述：说明对研究领域的理解、项目开展方式及相关文献简要回顾，需使用所申请的研究项目标题
3. 个人陈述：概述个人研究适应性、职业抱负、未来研究兴趣及相关工作经历
4. 简历：详细说明教育和工作经历
5. 两位学术推荐人：推荐信须使用抬头纸、签署并注明日期（不超过2年），至少一封来自最近就读大学
6. 英语语言要求证明（如暂不符合可稍后提交）
7. 护照复印件（如适用，包含定居或预定居身份证明）

【面试安排】 面试将通过Microsoft Teams在线进行。进入候选名单者将被直接联系并提供面试详情。

【联系方式】 项目咨询：Dr Hing Yan Tong（h.tong1@aston.ac.uk） 申请流程咨询：pgr_admissions@aston.ac.uk

【资助信息】 该职位涵盖项目期间的学费。