交通科技与产业创新发展大会 | 道路交通基础设施大数据分析与应用研讨会成功举办

6月13日，交通科技与产业创新发展大会主题论坛——道路交通基础设施大数据分析与应用研讨会在苏州国际博览中心举办。本次论坛以“数智驱动 解码足尺”为主题，由交通运输部公路科学研究所（北京大杜社公路材料腐蚀与工程安全国家野外科学观测研究站）、同济大学、重庆交通大学联合主办，同路达(上海)交通科技有限公司、江苏北极星交通产业集团有限公司、北京数泰科技有限公司、北京中天路业科技有限公司协办。

本届交通科创大会以“人工智能+交通运输”为主题，旨在进一步落实国家创新驱动发展战略，集中探讨人工智能技术在交通运输行业的场景落地及融合应用，推动构建人工智能和交通运输两大基础支撑，引领交通运输高质量发展及高水平安全迈上新台阶。

论坛现场还举行了“第一届道路交通基础设施服役性能数据分析大赛”的颁奖仪式及成果汇报。众多行业专家、学者及企业代表汇聚一堂，共同探讨大数据在道路交通基础设施领域的前沿应用与创新发展。同济大学教授李辉担任研讨会主持人。

在主旨报告环节，三位专家分享了各自领域的研究成果，为参赛者和行业从业者提供了宝贵的指导和启发。

同济大学教授孙立军以《基于路面行为模型和数据的荷载-环境影响解耦分析》为题，指出路面性能演化受荷载与环境耦合作用，其变异性大，演化规律复杂。其团队通过建立全寿命模型，结合FWD反演模量与损伤力学理论，实现了对荷载瞬时性、间歇性、反复性与环境实时性、长期性、连续性的解耦分析。孙立军强调，数据采集需注重精度控制与温度修正，未来需通过反分析方法深化对路面耐久性的理解。

孙立军：荷载-环境影响解耦 路面性能演化新思路

交通运输部公路科学研究院首席研究员王旭东提出“基于整体结构刚度的路面设计方法”，强调从材料到结构的转变是未来路面设计的重要方向。通过分析实际工程中路面结构在长期荷载作用下未产生结构性破坏，但内部存在各种裂缝的现象，指出传统设计方法可能无法准确评估整体结构的健康状况。基于环道实验中发现的超静定结构体系，王旭东指出，路面结构本质为 “宽高比基层的复合层状结构”，应通过结构刚度设计与结构模量、实体模型实现设计优化，其团队建立的双寿命设计体系已为长寿命沥青路面设计提供关键支撑。

王旭东：从材料到结构 路面设计新方向

苏交科集团股份有限公司首席工程师曹荣吉从实践角度出发，介绍了江苏省高速公路沥青路面的建设、养护及长期性能观测成果。曹荣吉指出，江苏省的路面结构主要为半刚性基层的沥青路面，其在高温、潮湿、重交通的环境下，通过石灰土路基处理、路面结构创新、提高路面材料标准等工程实践，已有40%的道路服役寿命超过20年，且状态良好，为全国高速公路的建设提供了可借鉴的“江苏经验”。

曹荣吉：苏式建筑 高速公路建设与养护实践

随后，论坛现场还举办了“第一届道路交通基础设施服役性能数据分析大赛”的颁奖仪式。

本届大赛由中国公路学会指导，交通运输部公路科学研究院联合同济大学、重庆交通大学共同主办。围绕交通基础设施性能监/检测数据的合理性评价、荷载-环境耦合效应与解耦分析、服役性能演化规律及预测、高通量力学数据分析等前沿课题展开，鼓励参赛者从大数据分析与应用、道路长期服役智慧运维等角度出发，探索道路延寿增韧的新方法、新思路，吸引了全国30个省份192支团队报名参赛。

大赛评审专家团队由来自交通领域的资深学者和行业专家组成，经过团队申报、主办单位形式审查、专家网络初评、复评答辩和大赛组委会审定等多个环节，最终评选出57项获奖作品，其中一等奖5项，二等奖11项，三等奖21项，优秀奖20项。

本次大赛涌现出一批具有创新性和应用价值的研究，获奖代表在现场进行了成果汇报。

来自长沙理工大学的唐梓涵团队探讨了《基于物理信息神经网络（PINN）的沥青路面响应预测研究》，通过构建多物理约束的PINN模型，提出PSO-PINN智能优化预测方法，实现沥青路面高精度应变响应预测，解决我国公路规模庞大、建养任务繁重的问题。

东南大学的吴正湟团队介绍了基于元启发算法和集中学习的深度演化多尺度建模在沥青路面车辙深度分析中的应用，通过对19种路面结构进行分析，构建了一个多阶段演化模型，该模型分为特征选择、超参数优化、集中学习和可解释性分析四层，有效提升了模型的预测精度和可解释性。研究还分析了不同发展阶段下各变量对车辙深度的影响，并通过NGBoost和SHAP分析构建了车辙深度的季节性实时建模算法，进一步优化了预测效果。

长安大学的郭宇杰团队聚焦于道路交通基础设施服务性能的演化与预测，融合XGBoost、Prophet时序填充、改进型豪斯多夫距离（MHD）与LSTM多变量时序预测等技术，有效处理时序数据，探索环境变量对车辙、弯沉性能的影响规律，实现对路面性能影响因素的深入分析。

同济大学的潘杰团队则针对我国道路交通基础设施在长期服役下频繁出现的路面病害问题，特别是对沥青路面车辙深度的高精度预测需求，构建了一种融合相对位置注意力机制的Transformer模型。通过筛选关键影响因子并进行分析，构建高质量的车辙预测数据集与特征体系。模型引入可学习位置编码和相对位置注意力机制，增强模型对长序列场景下的数据特征和动态结构的建模能力，支持道路智慧养护运维。

交通运输部公路科学研究院的周启权团队则通过卷积模型、双向LSTM模型和注意力模型，解决传统车辙深度预测模型精度低、计算成本高、数据依赖性强等问题。通过对比实验展示了融合网络模型在预测精度上的显著优势，不仅能够精准识别真实数据中的拐点，还能细致刻画曲线波动特征，有效提取时间特征和各特征间的耦合关系，从而显著提高预测精度。研究结论指出，该模型能够捕捉车辙的季节波动特征，为路面预防养护提供动态策略支持。

为更好地推广大赛成果，同济大学《International Journal of Transportation Science and Technology》（IJTST，交通科学与技术(英文版)，ISSN 2046-0430）期刊为本次大赛设立专刊，收录优秀论文。

同济大学教授李辉介绍，该期刊自2012年创刊以来，一直致力于为交通领域的科研工作者、工程技术人员和政策制定者提供交流平台。2022年入选中国科学技术协会首批国家海外回归试点期刊，并被EI、ESCI等国际知名检索数据库收录。

科睿唯安公司发布的2024年度期刊引证报告（Journal Citation Reports，JCR）显示，IJTST的影响因子升至4.8，位于交通类Q1区，排名13/61；交通科技类Q2区，排名22/77。

期刊由双主编制度管理，包括国内外的主编和副主编，致力于推动国际化编委团队的建设，并设定了多个年度奖项以激励高质量论文的投稿。

本次研讨会聚焦数据驱动的道路交通基础设施分析，探讨机器学习等新兴方法应用于交通基础设施分析，为道路智慧养护运维提供决策依据和方案。