近日，电子信息与电气工程学院数智融合理论及应用研究团队在智能网联汽车生态驾驶优化领域取得重要进展，相关研究成果在国际物联网领域顶级期刊《IEEE Internet of Things Journal》（IEEE IoT）录用并正式发表。论文题为《IoT-Enabled Eco-Driving Optimization for Connected and Automated Vehicles in Roundabouts Using KAN-Enhanced Deep Reinforcement Learning》，论文第一作者为电信学院2023级研究生简成利，通讯作者为涂继辉老师，球王会平台,球王会官网入口为第一完成单位。
随着物联网技术与网联自动驾驶汽车的深度融合，生态驾驶已成为推动可持续智能交通发展的关键策略。然而，在环形路口等复杂拥堵的城市交通场景中，如何在能效、通行效率、安全性与驾驶舒适性之间实现动态平衡，仍是当前面临的核心挑战。针对这一问题，该研究提出了一种名为DDPG-KAN的物联网赋能多目标生态驾驶框架，创新性地将深度确定性策略梯度算法与Kolmogorov–Arnold网络相结合，通过多目标奖励函数协同优化安全性、能效、交通流畅度与驾驶舒适性，并引入动作审查机制与模型预测控制器实现碰撞规避与平顺控制。实验结果显示，相较于基于规则的方法，该框架在能量消耗、交通效率、碳排放、碰撞预警及驾驶舒适性上分别优化了31.87%、10.93%、31.86%、38.34%和53.46%，充分验证了其作为物联网驱动的智能交通解决方案在实现低碳、安全、舒适出行方面的突出潜力，为构建可持续绿色交通网络提供了重要的理论支撑与技术路径。
《IEEE Internet of Things Journal》是物联网领域最具影响力的国际顶级期刊之一，当前为中科院一区top期刊，最新影响因子为8.2。主要收录物联网系统架构、通信协议、智能数据处理及跨领域应用等方面的前沿研究成果。
该研究得到了国家自然科学基金（项目编号：62303325）、上海市科技创新行动计划晨星计划（项目编号：23YF1429700）、长安汽车公司的智能汽车安全技术全国重点实验室开放基金（项目编号：IVSTSKL-202426）等多个项目的支持。
（审核 张晨露 编辑 李蒙）
