2025年6月，公司教师章荪在校定A1级期刊《IEEE Transactions on Intelligent Transportation Systems》发表题为“Neuro-VAE-Symbolic Dynamic Traffic Management”的论文。该论文针对现代交通管理中动态流量预测与交通规则约束的双重挑战，提出了一种融合神经生成模型与符号推理的Neuro-VAE-Symbolic混合框架。研究团队通过将变分自编码器的流量预测能力与符号推理系统的规则执行优势相结合，实现了在复杂非平稳交通环境下，适应动态需求且严格遵守法规约束的控制策略。该方法通过将神经网络输出映射到由交通法规定义的可行动作空间，在生成高保真交通场景的同时，有效确保了行人最小通行间隔、信号灯周期上限等安全规则的零违规执行。实验数据显示，相较于传统方法，该框架在基准数据集测试中平均等待时间降低15%，排队长度缩短10-20%，通行效率提升5-8%，且规则违反率接近于零。这项研究进展为城市动态交通控制提供了兼顾预测准确性与规则严谨性的解决方案，其神经符号整合范式为智能交通系统的落地应用开辟了新路径。

希望广大教师继续潜心研究，不断创新，多出成果。（撰稿：章荪；一审：艾科妮；二审：周健；三审：戴道明）