面向异质交通参与者意图的自动驾驶决策设计

项目概览

该博士课题面向自动驾驶在混合交通环境中的决策难题，重点研究如何理解周围交通参与者的意图并据此做出安全、有效且符合社会规范的决策。

项目隶属于 Xi’an Jiaotong-Liverpool University 的 School of Advanced Technology，指导团队包含 XJTLU 与 University of Liverpool 的教师。

研究问题聚焦人类驾驶车辆、行人、骑行者和其他弱势道路使用者共同出现时的复杂交互，目标是建立一个具有意图感知能力的决策框架。

公开信息显示，该项目为面向全球申请者的资助博士项目，申请时间为全年接受申请。

项目详情

项目介绍指出，传感技术、人工智能和车辆自动化的进步显著推动了自动驾驶发展，但在混合交通环境中，自动驾驶车辆仍然面临重大挑战。原因在于交通参与者类型高度异质，人类行为存在不确定性，且不同参与者之间的交互关系复杂。这些因素使自动驾驶系统很难在动态交通环境中生成既安全又高效、同时还符合社会规范的驾驶决策。

因此，课题把研究重点放在“理解意图”和“推理交互”上。项目目标是开发一个意图感知的自动驾驶决策框架，将行为意图理解、交互推理和不确定性感知决策整合起来，从而在复杂混合交通中提升系统决策能力。与其仅关注轨迹预测或单一控制器优化，项目更强调在动态场景中对周边代理的行为意图进行建模，并把这种理解转化为实际决策。

方法上，项目明确会结合数据驱动、知识驱动以及新兴人工智能方法，在适当位置灵活采用先进学习与推理技术。这说明研究并不局限于单一范式，而是允许在数据建模、规则/知识表达和 AI 推理之间做组合。对申请者而言，任务很可能包括多源交通数据分析、意图建模、交互关系推理以及面向不确定场景的决策设计。

学校同时给出了较完整的入学和资助说明。申请者通常需要具有硕士学位（Merit）和学士学位（First Class 或 Upper Second Class honours）；在某些学科中，只有学士学位的优秀候选人也可能被个案考虑。英语方面，如第一语言不是英语，需要提供 IELTS 或同等成绩，且分数不低于 6.5。项目还说明，这一学位完成后将由 University of Liverpool（英国）授予博士学位。资助方面，学生奖学金为期三年，前提是学习进展令人满意，覆盖三年学费（当前约合每年 RMB 99,000），并提供最高 RMB 16,500 的国际会议经费；此外，RA/TA subsidy 将根据工作表现提供。项目要求奖学金获得者大部分研究工作在苏州的 XJTLU 完成，但如项目需要，也可申请到 University of Liverpool 进行短期研究访问。

申请材料也写得比较清楚，包括 CV、两封正式推荐信、个人陈述、英语成绩证明、完整的中英文成绩单、中文和英文的学历证书（国际学生仅需英文版），以及硕士论文 PDF 或等效写作样本和如有的评审报告。联系方面，可将申请材料发送给 Dr Dongyao Jia 进行初审，主题需写明项目标题。

申请要点

• 学历要求：硕士学位（Merit）+ 学士学位（First Class 或 Upper Second Class honours）；部分学科可个案考虑仅有学士学位的优秀候选人。

• 英语要求：如第一语言不是英语，IELTS 或同等成绩不低于 6.5。

• 研究背景：自动驾驶、交通工程、人工智能、机器学习、数据驱动建模、知识推理或相关方向较匹配。

• 研究任务：意图理解、交互推理、不确定性感知决策、混合交通场景中的安全与社会规范决策。

• 资助信息：三年学费覆盖、最高 RMB 16,500 国际会议经费、RA/TA subsidy；学制三年，需满足进展要求。

• 工作地点：大部分研究在苏州的 XJTLU 完成，必要时可申请赴 University of Liverpool 短期访问。

• 申请材料：CV、2 封正式推荐信、个人陈述、英语成绩、完整中英文成绩单、学历证书、硕士论文 PDF 或等效写作样本、评审报告（如有）。

• 联系人：Dr Dongyao Jia。

• 申请时间：全年接受申请。

需要进一步确认

• 项目未说明 RA/TA subsidy 的具体金额和发放规则。

• 公开信息未说明是否有固定截止日期、面试安排或额外申请表单要求。

• 若仅持有学士学位，是否可被考虑属于个案审批，具体标准未细化。

PhD 项目深度调研报告：Decision-Making Design for Autonomous Driving Considering Intentions of Heterogeneous Traffic Participants

申请判断

申请判断：有吸引力，但需要核实匹配度。 这是一个可信、且时间窗口合适的自动驾驶博士机会，适合能够同时处理交通建模、机器学习、交互推理与不确定性感知决策的申请者。最强的证据在于，项目主题与 Dr Dongyao Jia 近期关于 car-following、轨迹数据、hybrid traffic modelling 以及 knowledge-informed automated-vehicle control 的研究方向高度一致 (XJTLU Research Portal)。

主要需要注意的是操作层面，而不是学术层面。项目介绍中提到，该职位面向所有符合条件的申请者，且全年接受申请；但在本次调研中，并未在 XJTLU 官方项目页面上找到完全对应的项目标题。XJTLU 奖学金页面说明，当前 funded projects 会持续开放，直到名额招满为止 (XJTLU scholarships)。因此，申请者在投入大量时间准备完整申请前，最好先确认项目是否仍在开放、资金是否已经落实，以及申请路径是否明确。

研究方向与领域前景

领域动向

该项目处在一个活跃的研究领域。近期关于 AV planning and decision-making 的综述强调，城市驾驶不仅需要 perception 和 control，还需要 prediction、planning、risk reasoning 与 interaction handling (AV decision-making survey)。近期 trajectory prediction 综述也显示，multimodal futures 与 uncertainty 仍是持续关注的核心问题，而这两点恰好位于意图感知驾驶决策的中心 (trajectory prediction survey)。

产业层面的势头确实存在，但并不均衡。EV 与 connected-mobility 的增长会带来对智能交通和自动化研究的需求 (IEA Global EV Outlook)，但自动驾驶商业化仍然是渐进的，并受到明显的技术约束 (McKinsey)。因此，真正重要的不是空泛的行业热度，而是能否做出可发表、可验证的技术深度。

潜在研究切口

一个有竞争力的 PhD 可以围绕以下一个或多个切口展开：

• 面向混合交通中的行人、自行车和人类驾驶车辆做意图推断；
• 构建考虑社会合规性与安全边界的交互感知决策方法；
• 在多模态预测行为下进行不确定性感知规划；
• 结合数据驱动与知识驱动模型，提高样本效率与可解释性；
• 在规则方法、学习方法与 knowledge-informed policy 之间做 simulation benchmark。

项目介绍的范围足够宽，能够容纳多条技术路线。申请者应主动向导师确认具体预期方向，因为对一个三年期 funded PhD 而言，范围控制会直接影响项目可完成性。

职业与市场前景

潜在职业路径包括自动驾驶或 ADAS 算法工程、轨迹预测、移动性分析、交通仿真、机器人规划/控制、智能交通系统，以及学术或博后工作。更强的就业竞争力通常来自论文与实现证据的结合，例如可复现代码、benchmark 结果、仿真视频或数据集，以及清晰的评估指标。

学校、学科与培养

XJTLU 是位于中国苏州的中外合作大学，由 Xi'an Jiaotong University 与 University of Liverpool 合作创办 (XJTLU about)。其博士信息页面展示了与 University of Liverpool 关联的 PhD 培养框架 (XJTLU doctoral study)；项目介绍中则明确写到，学位由 University of Liverpool 授予，而研究工作的大部分预计在苏州的 XJTLU 完成。

就这一研究方向而言，School of Advanced Technology 是最相关的归属单位，适合承载 AI、工程、通信、计算与智能系统方向的研究 (School of Advanced Technology)。与主导师相关的 Department of Communications and Networking 也进一步支撑了其与联网系统及交通建模方向的契合度 (Department of Communications and Networking)。

外部排名可以提供大致的学校背景，但不宜过度依赖。QS 和 Times Higher Education 都提供了 XJTLU 的机构页面 (QS; THE)。对 PhD 决策而言，这类信号的重要性明显低于导师匹配、近期论文、可用资源和资助清晰度。

导师与实验环境评估

导师研究方向

Dr Dongyao Jia 的主页和论文记录与本项目高度接近。其公开研究并不是泛化 AI，而是聚焦交通流建模、car-following、轨迹数据、自动驾驶控制和 hybrid modelling (profile)。这与一个需要理解交通参与者意图、推理交互过程、并设计不确定性感知驾驶决策的项目相当契合。

联合指导团队可能会补足研究广度，但公开证据相对有限。Dr Gordon Boateng 有 XJTLU 主页 (profile)，项目介绍还提到 University of Liverpool 的 Dr Yi Dong。真正的导师分工仍需要申请者直接确认。

近期重要论文

近期论文为该项目提供了较强的可信度：

• Extending car-following models to multi-lane traffic through anticipation and lateral gap interaction (2025) 讨论多车道交通中的 anticipation 与 lateral interactions，这与异质交通参与者推理直接相关 (publication)。
• A joint topology-data fusion framework to correct noise in vehicle trajectory data (2024) 与本项目相关，因为意图感知自动驾驶系统依赖的是可用轨迹数据，而不是理想化、干净的理论输入 (publication)。
• A novel hybrid method to estimate macroscopic fundamental diagram for large-scale urban networks (2024) 支撑了项目所强调的 data-driven 与 knowledge-driven 结合的研究路线 (publication)。
• Knowledge-informed car-following models enable sample-efficient and reliable automated vehicle control (2023) 则是与自动驾驶决策最直接的主题桥梁 (publication)。

实验室、资源与合作环境

公开证据能够支持学校、学院和方向层面的环境匹配，但还不足以证明该项目是否提供具体的数据集、模拟器、算力资源、测试平台或产业合作方。这一点很重要，因为项目最终可能落在自然驾驶数据集、城市尺度交通仿真、CARLA/SUMO 类环境、形式化决策模型，或者真实联网车辆数据等完全不同的技术路径上。

资助、申请与生活成本

这个资助包有吸引力，但需要仔细解读。XJTLU 奖学金信息写明，三年内可覆盖最高 RMB 99,000/年的学费，并可能提供 RA/TA subsidies (scholarships)。项目介绍还提到，可提供最高 RMB 16,500 用于国际会议参与。XJTLU 的学费与奖学金页面也支持这一学费背景 (fees and scholarship)。

缺失的关键部分是月度生活支持。公开资料并未确认有保证的 生活津贴 金额。RA/TA subsidy 看起来是条件性的，因此在 XJTLU 明确具体金额、工作量和发放周期之前，不宜将其视为稳定基础收入。

苏州的生活成本很可能低于不少英国或美国学习地点，XJTLU 也提供了住宿和城市生活信息 (accommodation; Suzhou)。Numbeo 这类众包数据可以作为初步预算参考，但证据强度仍弱于官方学费和住宿页面 (Numbeo Suzhou)。

资格范围看起来较宽。项目介绍中写明，符合条件的候选人不受国籍限制，这意味着中国申请者和国际申请者都可能被纳入考虑。XJTLU 官方博士页面也覆盖了全球招生和入学要求 (entry requirements; how to apply)。不过，国内与国际申请者仍应分别核实该奖学金路径下的材料要求、学历认证、英语测试以及签证/居留要求。

申请者匹配与准备

更适合哪些申请者

这个项目更适合具备硕士层次训练、并在 autonomous driving、robotics、intelligent transportation、AI/ML、control、traffic engineering、applied mathematics、computer science 或相关工程方向有基础的申请者。更强的申请证据通常包括 trajectory prediction、probabilistic modelling、decision-making、reinforcement learning/planning、optimization、traffic-flow theory 或 simulation 经验。

需要谨慎的情况

如果申请者需要有保证的月度生活津贴，且在未确认 RA/TA 支持前无法自筹生活成本，就需要格外谨慎。对于只有泛化机器学习课程背景、但缺乏 mobility、robotics、control 或 traffic-modelling 证据的申请者，这个项目也未必是最强匹配。若对开放式建模、不确定行为数据或基于模拟器的验证方式不适应，也应尽早确认预期方法。

需要补强的技能与证据

有用的准备包括 Python、科学机器学习、概率建模、不确定性量化、轨迹预测、规划、强化学习、优化、交通流理论，以及 SUMO/CARLA 或类似仿真经验。申请材料最好能展示一份聚焦的写作样本，理想情况是 MSc dissertation 或项目报告，并在 personal statement 中明确说明自己如何将意图理解与自动驾驶决策、安全和社会合规性联系起来。

风险与待核实问题

高优先级问题

1. 该项目的确切标题目前是否仍在开放，XJTLU 能否提供正式项目页面或书面确认？
2. 申请是否真的全年审核，还是针对 2026 入学存在内部奖学金审查节点？
3. 该奖项是否包含任何保证的月度生活津贴，还是仅有学费覆盖加条件性的 RA/TA subsidy？
4. RA/TA subsidy 的具体金额、工作量和遴选规则是什么？
5. 面向混合交通意图感知决策，具体可用的数据集、模拟器、算力资源和 benchmark 场景有哪些？
6. Dr Dongyao Jia、Dr Gordon Boateng 和 Dr Yi Dong 之间的导师分工如何安排？
7. 中国申请者与国际申请者是否都能通过同一路径申请该项目？

中优先级问题

1. 国际申请者适用哪些文件翻译、学历认证、签证/居留和英语考试规则？
2. University of Liverpool 的短期研究访问是否有资助、是否竞争性，以及是否取决于项目需要？
3. 第一年的预期里程碑和目标发表 venue 是什么？
4. 是否存在偏好的技术栈，例如 Python、PyTorch、SUMO、CARLA、MATLAB 或优化库？
5. 当前是否已有博士生或实验室成员在做相关的交通建模或自动驾驶课题？

证据与来源

核心机构与项目

• XJTLU about
• XJTLU doctoral study
• XJTLU scholarships
• fees and scholarship
• entry requirements
• how to apply
• School of Advanced Technology
• accommodation
• Suzhou

导师、院系与论文

• XJTLU Research Portal
• profile
• profile
• Department of Communications and Networking
• publication
• publication
• publication
• publication

排名、领域与生活成本

• QS
• THE
• AV decision-making survey
• trajectory prediction survey
• IEA Global EV Outlook
• McKinsey
• Numbeo Suzhou