相 关 文 章

读取内容中,请等待...

推 荐 阅 读

于海洋

发布者:[本站编辑]  来源:[本站]  浏览:[]  

    姓名:于海洋

    性别:男

    通信地址:北京航空航天大学交通科学与工程学院交通运输工程系

    邮编:100191

    邮箱地址:hyyu@buaa.edu.cn

    主要承担交通信息与控制工程专业的科研工作,兼任中国自动化学会车辆控制与智能化专委会委员,中国智能交通协会培训部主任、高级会员、城市交通管理集成与优化技术公安部重点实验室感知研究室副主任、北航-科力智能交通先进技术研究院执行院长。主要从事交通大数据、交通控制与仿真和车路协同等方面研究。近五年,累计发表论文近20篇,其中Q1区论文5篇,申报发明专利近10余项,获批软件著作权2项,主持及参与包括国家自然科学基金项目、国家863计划、国家科技支撑计划等各级科研项目10余项,“十二五”国家科技支撑计划课题“基于数据驱动的城市交通智能联网联控技术集成及示范”负责人。荣获国家科技进步二等奖1项,省部级一等奖2项,二等奖1项。

    教授课程:

    交通管理与控制、智能车设计与制作、汽车故障检测与诊断

    主要研究方向:

    交通大数据、交通控制与仿真和车路协同

    所获奖励:

    1、国家科技进步奖二等奖,车辆联网感知与智能驾驶服务关键技术及应用,排名第10;

    2、安徽省科技进步一等奖,城市道路交通联网感知与协同联动控制关键技术及

    应用,排名第2;

    3、教育部技术发明一等奖,基于车路协同的安全状态感知与智能控制技术,排名第6;

    4、安徽省科技进步二等奖,浮动车交通信息采集与多源交通信息融合系统,排名第4。

    主要项目:

    1、国家自然科学基金《基于协同理论的城市路网状态特征信息提取与表达研究》(课题编号:51308021),负责人;

    2、国家科技支撑计划课题《基于数据驱动的城市交通智能联网联控关键技术与示范》(课题编号:2014BAG03B02),负责人;

    3、国家高技术研究发展计划(863计划)子课题《区域交通信号控制系统在线仿真与评测》(课题编号:2011AA110306-06-2),负责人;

    4、国家科技支撑计划子课题《基于大数据的多尺度公路网运行态势分析技术及系统研发》(课题编号:2014BAG01B02-13),负责人;

    5、北京市科技计划项目《基于多模式信息交互的车路协同城市交通协调控制关键技术研究》 (课题编号:Z121106009212014),负责人。

    代表论文:

    1、Haiyang Yu,Zhihai Wu, Dongwei Chen, Xiaolei Ma*,Probabilistic Prediction of Bus Headway Using Relevance Vector Machine Regression, IEEE Transactions on Intelligent Transportation Systems( 2016)PP(99):1-10(SCI,Q1)

    2、Haiyang Yu, Dongwei Chen, Zhihai Wu, Xiaolei Ma*, Yunpeng Wang,Headway-based bus bunching prediction using transit smart card data,Transportation Research Part C,72 (2016) 45–59(SCI,Q1)

    3、Jun Bi, Ting Zhang,Haiyang Yu*,Yanqiong Kang,State-of-health estimation of lithium-ion battery packs in electric vehicles based on genetic resampling particle filter,Applied Energy 182 (2016) 558–568(SCI,Q1)

    4、Wanli DONG,Yunpeng WANG,Haiyang YU*,An identification model of urban critical links with macroscopic fundamental diagram theory Frontiers of Computer Science(2016) (SCI)

    5、Xiaolei Ma,Haiyang Yu*, Yunpeng Wang and Yinhai Wang, Large-scale Transportation Network Congestion Evolution Prediction Using Deep Learning Theory, PLOS ONE, 10(3): e0119044, 2015. (SCI,Q1)