博士生导师
硕士生导师
个人信息Personal Information
学历:博士研究生毕业
学位:工学博士学位
办公地点:四川省成都市二环路北一段111号
毕业院校:美国仁斯利尔理工大学
学科:计算机科学与技术. 交通工程. 交通信息工程及控制. 交通运输规划与管理
所在单位:交通运输与物流学院
课题组网站:https://waves.swjtu.edu.cn
报考该导师研究生的方式
欢迎你报考孙湛博老师的研究生,报考有以下方式:
1、参加西南交通大学暑期夏令营活动,提交导师意向时,选择孙湛博老师,你的所有申请信息将发送给孙湛博老师,老师看到后将和你取得联系,点击此处参加夏令营活动
2、如果你能获得所在学校的推免生资格,欢迎通过推免方式申请孙湛博老师研究生,可以通过系统的推免生预报名系统提交申请,并选择意向导师为孙湛博老师,老师看到信息后将和你取得联系,点击此处推免生预报名
3、参加全国硕士研究生统一招生考试报考孙湛博老师招收的专业和方向,进入复试后提交导师意向时选择孙湛博老师。
4、如果你有兴趣攻读孙湛博老师博士研究生,可以通过申请考核或者统一招考等方式报考该导师博士研究生。
-
主要研究方向
(1) 智能交通
(2) 绿色交通
招生信息
每年博士名额3名,硕士名额8名,常年招收博后(年薪35万起)。
WAVES课题组Call For Idea (CFI) & Call For Proposal (CFP)
自主研究课题申请指南(2023年)
为促进学术研究氛围和多学科综合交叉融合,WAVES课题组Call for Idea (CFI) & Call for Proposal (CFP) 面向全体西南交大学生及外校受邀课题组征集自主研究课题,对有潜力的学生和课题提供支持,在交通领域开展具有原创性的应用基础理论与关键技术研究。
一、资助方向
包括但不限于:绿色交通、智慧交通、交通大数据分析、轨道交通运行控制与管理、行人交通与安全疏散等方向。
二、申请要求
1.资助对象
申请者须为西南交大学生或外校受邀课题组人员,且所在单位具有良好的研究条件。
2.申请和审批程序
1)本年度课题申请方向不限于指南规定的选题范围,课题组鼓励申请人在人工智能、大数据等智能交通的新方法新方向上进行自由探索。课题申请和审批程序分为初审(CFI)和终审(CFP)两个阶段进行,通过终审的项目可获得一万元的研究资金支持(根据完成情况予以下一阶段继续资助)。对于通过初审但未通过终审的项目,课题组将给予一定奖励。
2)初审阶段,申请者填写《WAVES课题组CFI课题申请书》进行申报,须向申报邮箱(yafei.liu@swjtu.edu.cn)提交Word电子版。
3)WAVES课题组组织相关专家对课题进行初审,评审结果采用差额入选的方式,根据评审结果确定进入终审的课题,并以邮件形式通知课题申请者。
4)终审阶段,申请者填写《WAVES课题组CFP课题申请书》进行申报,须向申报邮箱(yafei.liu@swjtu.edu.cn)提交Word电子版。
5)WAVES课题组组织相关专家对课题进行终审,评审结果采用差额立项的方式,根据评审结果确定本期资助课题,并以邮件形式通知课题申请者。
6)与获批准者签订课题任务书以及经费支出承诺书,课题任务书内容应与申请书保持一致,但可参考专家评审意见进行适当修改。
3.申请时间和节点
2023.2.20:CFI申请截止;
2023.2.20 – 2023.3.5:CFI评审;
2023.3.06:CFI入选名单公布;
2023.3.27:CFP申请截止;
2023.4.07:CFP答辩(讨论)会;
2023.4.14:CFP资助名单公布;
2023.4.21:CFP任务书以及承诺书签署,课题开始执行。
三、考核指标
课题研究应为基础研究或应用基础研究,预期研究成果主要为发表标注资助经费来源的学术论文、申请专利等。
四、联系方式
联系人:刘老师
E-mail: yafei.liu@swjtu.edu.cn
西南交通大学WAVES孙湛博教授课题组
二〇二三年一月二十日
能够提供良好的学习资源,欢迎前来咨询!
- Sun Z*, Huang Z, Hao P, Ban X, Huang T (2024). Batch-based vehicle tracking in smart cities: A Data fusion and information integration approach. Information Fusion, 102: 102031. (Impact factor 14.7)
- Qin Z, Ji A, Sun Z*, Wu G, Hao P, Liao X (2024). Game Theoretic Application to Intersection Management: A Literature Review. IEEE Transactions on Intelligent Vehicles, to appear. (Impact factor 14)
- Tan Y, Sun Z*, Zhu B, Qin Z, Zhao Y, Wang X (2024). Minimize Population Exposure to Vehicle-Generated Emissions by Road Pricing. Transport Policy, 148: 15-30. (Impact factor: 6.3)
- Yao X, Du Z, Sun Z*, Calvert S, Ji A (2024). Cooperative Lane-Changing in Mixed Traffic: A Deep Reinforcement Learning Approach. Transportmetrica A Transport Science, in press. (Impact factor: 3.5)
- Sun Z*, Huang T, Zhang P (2020). Cooperative Decision-Making for Mixed Traffic: a Ramp Merging Example. Transportation Research Part C: Emerging Technologies, 120: 102764. (Impact factor 7.6)
- Sun Z* & Ban X (2018). Identifying multiclass vehicles using global positioning system data. Journal of Intelligent Transportation Systems, 22(1), 1-9. (Impact factor: 4.3)
- 暂无内容
- 精细化场景下混合交通流的协同换道控制机制
- 考虑道路交通和污染排放的吸引地收费方法
- 无信号控制交叉口环境下网联车的协同控制
- 2019年四川省氢能源与智能汽车重大科技专项:城市智慧物流专用车关键技术研究与应用示范
- 美国国家自然科学基金:Mobile Using Mobile Sensors for Traffic Knowledge Extraction and Dynamic Network Management. National Science Foundation, 2011-2016,结题,参与。
- 美国国家自然科学基金:Mobile Sensors as Traffic Probes - Addressing Transportation Modeling and Privacy Protection in an Integrated Framework. 2010-2013,结题,参与