岭大博士后研「智能车辆路线优化系统」 遇塞车等情况 即时设计最合适路线
发布时间：00:29 2025-10-03 HKT
政府积极推动智慧城市发展及智慧出行，本港亦有学者进行相关研究。由岭南大学数据科学学院人工智能学部博士后研究员童浩研发的「智能车辆路线优化系统」，能在车队遇上突发的塞车或新增任务时，即时模拟交通状况及任务变化，重新设计最合适的余下行走路线。他的论文《应对突发情况的智能车辆路线优化系统》，近日更成为全球唯一获得2026年度IEEE计算智能学会杰出博士论文奖的研究项目。
获杰出博士论文奖
岭大表示，针对传统车队工作路线规划难以应对突发事故的问题，童浩提出学术界首个「智能车辆路线优化系统」（Dynamic Capacitated Arc Routing Problem, DCARP），该系统应用了其新开发的智能算法，能在不同交通状况、任务变动的情况下，即时重新规划路线，最快能于数十秒内提供「更聪明」的调整方案，提高车队的整体工作效率。
童浩接受《星岛》访问时指出，现时本港有学者从事同一领域的研究，而他所研究的新系统，优胜之处是能在「动态的系统或环境」中，例如车辆出行的高峰时段、遇上塞车等，即时模拟交通状况及车辆的任务变化等，重新设计最合适的余下路线，并提出新的建议路线。
研究团队将新系统应用于真实道路环境与实时交通数据下验证，结果发现，无论在繁忙市中心与较清闲区域、高峰及非高峰时段、突发新增任务等多种模拟场景下，新系统均表现稳定，并能节省总服务时间。此外，新系统安排车队的工作时间均衡，仅少数因交通阻塞或新增任务而延长工作时间，避免因调整行车路线而加重职员的工作量。
无论是速递员或垃圾收集车，往往依赖事前的既定路线，中途发生交通事故或遇上突发情况都可能影响服务效率。童浩表示，「我们研发新系统目的是加强服务提供者的可靠度与效率，新系统应用的演算法不仅有助安排更精准的行车路线，避免车辆不必要绕路，研究结果更显示有助降低燃料消耗与碳排放。」
童浩：新系统具备落地应用潜力
童浩指出，实验结果显示，新系统具备落地应用的潜力，其价值亦不限于协助速递物流，也适用于其他智慧城市服务，例如共享单车、公共设施巡检或紧急服务等。
展望未来，童浩透露，新系统可进一步结合人工智能、深度学习等，以提升系统应对大量新增任务时的稳定性，并简化其操作界面，让管理者及工作人员更方便使用新系统，期望可于未来两至3年内完成此阶段的工作。问及如何让新系统落地，他表示，如政府或企业期望合作，他乐意商讨合作方案，协助推动智慧城市发展。
本报记者
