嶺大博士後研「智能車輛路線優化系統」 遇塞車等情況 即時設計最合適路線
發佈時間：00:29 2025-10-03 HKT
政府積極推動智慧城市發展及智慧出行，本港亦有學者進行相關研究。由嶺南大學數據科學學院人工智能學部博士後研究員童浩研發的「智能車輛路線優化系統」，能在車隊遇上突發的塞車或新增任務時，即時模擬交通狀況及任務變化，重新設計最合適的餘下行走路線。他的論文《應對突發情況的智能車輛路線優化系統》，近日更成為全球唯一獲得2026年度IEEE計算智能學會傑出博士論文獎的研究項目。
獲傑出博士論文獎
嶺大表示，針對傳統車隊工作路線規劃難以應對突發事故的問題，童浩提出學術界首個「智能車輛路線優化系統」（Dynamic Capacitated Arc Routing Problem, DCARP），該系統應用了其新開發的智能算法，能在不同交通狀況、任務變動的情況下，即時重新規劃路線，最快能於數十秒內提供「更聰明」的調整方案，提高車隊的整體工作效率。
童浩接受《星島》訪問時指出，現時本港有學者從事同一領域的研究，而他所研究的新系統，優勝之處是能在「動態的系統或環境」中，例如車輛出行的高峰時段、遇上塞車等，即時模擬交通狀況及車輛的任務變化等，重新設計最合適的餘下路線，並提出新的建議路線。
研究團隊將新系統應用於真實道路環境與實時交通數據下驗證，結果發現，無論在繁忙市中心與較清閒區域、高峰及非高峰時段、突發新增任務等多種模擬場景下，新系統均表現穩定，並能節省總服務時間。此外，新系統安排車隊的工作時間均衡，僅少數因交通阻塞或新增任務而延長工作時間，避免因調整行車路線而加重職員的工作量。
無論是速遞員或垃圾收集車，往往依賴事前的既定路線，中途發生交通事故或遇上突發情況都可能影響服務效率。童浩表示，「我們研發新系統目的是加強服務提供者的可靠度與效率，新系統應用的演算法不僅有助安排更精準的行車路線，避免車輛不必要繞路，研究結果更顯示有助降低燃料消耗與碳排放。」
童浩：新系統具備落地應用潛力
童浩指出，實驗結果顯示，新系統具備落地應用的潛力，其價值亦不限於協助速遞物流，也適用於其他智慧城市服務，例如共享單車、公共設施巡檢或緊急服務等。
展望未來，童浩透露，新系統可進一步結合人工智能、深度學習等，以提升系統應對大量新增任務時的穩定性，並簡化其操作界面，讓管理者及工作人員更方便使用新系統，期望可於未來兩至3年內完成此階段的工作。問及如何讓新系統落地，他表示，如政府或企業期望合作，他樂意商討合作方案，協助推動智慧城市發展。
本報記者
