TRB年会覆盖国家与地区广泛，是国际交通研究领域历史最悠久、规模最大、知名度最高的学术盛会之一，每年1月在美国华盛顿特区举行。根据TRB官方网站（www.trb.org）统计，近年来每届会议参会人数均超过2万人。TRB议题涵盖公路、铁路、航空、水运、管道等交通运输全领域，汇聚了来自全球政府、高校与企业的最新工程技术成果和管理经验，反映了交通科技的前沿进展，具有重要的学术参考与实践借鉴价值。

吴鼎新老师团队获录用的3篇论文分别是：

1.论文题目：Urban short-term traffic state prediction based on Deep Learning and road network partition: A Case study of Xuzhou and Nanjing，第一作者为2024级硕士研究生徐政。

本研究以徐州和南京的出租车速度数据为基础，提出一套面向大规模路网的短时交通状态预测框架。利用空间自相关分析揭示交通速度的聚集特性，构建融合图卷积网络（GCN）与门控循环单元（GRU）的时空预测模型，充分挖掘交通数据的空间依赖与时序特征。该方法在预测精度与计算效率上均优于传统模型，能够有效揭示交通速度的空间正相关与聚集分布特征。

2.论文题目：Research on Demand-Responsive Pricing Model for Airport Pickup and Drop-off Services，第一作者为2023级硕士研究生沙雯怡。

本研究提出一种基于需求响应的机场接送机动态定价与资源分配协同优化模型，针对乘客与行李集成运输中的异质性需求和服务瓶颈，构建非线性规划模型，综合考虑等待时间成本、服务能力约束及资源分配机制。研究成果为机场接驳服务提供了科学的决策支持工具，其建模框架对无直属机场城市的集疏运系统优化与智慧出行管理具有推广价值和实践参考意义

3.论文题目：Autonomous Driving Decision-Making And Simulation Based On Constrained Multi-Objective DDPG，第一作者为2023级硕士研究生宋康如。

本研究针对高速公路合流区等复杂交通场景中自动驾驶车辆决策的安全性与效率平衡问题，提出了一种基于深度强化学习的约束多目标决策方法（CMO-DDPG）。该方法在DDPG框架中引入约束动作生成机制与多维度奖励函数，实现了安全、舒适与高效的协同优化。仿真结果表明，该算法在通行效率与换道合理性方面较传统方法提升约16.6%，展现出良好的泛化能力与实际应用潜力。