师资队伍
作者：阅读次数：次 日期：2023年04月21日
胡智群，特聘副研究员，博士生导师。2018年7月毕业于北京邮电大学信息与通信工程学院，获博士学位。主持/参与了国家自然科学青年基金、国家重点研发计划、北京市自然基金等项目。主要从事交通设施数字化、空天信息网络、机器学习等领域的研究，发表高水平论文50余篇，ITU标准和提案5余项，授权国家发明专利5余项。曾获中国通信学会科技进步二等奖、IEEE MMSP最佳算法奖等荣誉。
联系邮箱：huzhiqun@bupt.edu.cn
研究方向
（1）路侧毫米波雷达视觉融合3D目标检测
智能路侧感知是整个智慧道路的底层基础技术，对智慧交通的发展至关重要。路侧感知硬件主要包括摄像头、毫米波雷达、激光雷达、雷视一体等。本项目通过融合4D成像毫米波雷达和视觉信息，实现细粒度道路特征学习与目标3D检测和运动跟踪。研究内容包括：多目标检测与跟踪，自动路侧数据集标注，外参标定，点云处理等。
发表的论文
l(TSP’2024)3D Extended Object Tracking by Fusing Roadside Sparse Radar Point Clouds and Pixel Keypoints(Under review)
l(PRL’2023)FusionCalib: Automatic extrinsic parameters calibration based on road plane reconstruction for roadside integrated radar camera fusion sensors
l(ITSC’2023)Continuous Trajectory Tracking Across Sensors at Intersection using Dynamic Target Set within the Overlapping Area
（2）车路协同优化与控制
智慧交通以数据为基础，人工智能算法为着力点，致力于实现“人-车-路-网”四位一体的智慧化整合，构建高效、安全、绿色的智慧交通系统。本项目研究具身智能的车路协同交通系统，解决深度强化学习在实际车路协同应用面临的环境理解差、协同优化难、域适应性弱的问题，实现车与路智能、实时、高效的协同作业，提高道路利用效率、推动交通节能减排。
l(TVT’24)Cooperative Optimization of Traffic Signals and Vehicle Speed Using a Novel Multi-agent Deep Reinforcement Learning
l(TITS’2023)Intersec2vec-TSC: Intersection Representation Learning for Large-Scale Traffic Signal Control
l(IET-ITS’2023)Dynamic Traffic Signal Control Using Mean Field Multi‐agent Reinforcement Learning in Large Scale Road Networks
l(TC’2021)Network-scale Traffic Signal Control via Multiagent Reinforcement Learning with Deep Spatiotemporal Attentive Network
l(Sensors’2021)Cooperative intersection with misperception in partially connected and automated traffic
(3)空天信息网络
空天信息网络以空间平台（如同步卫星、低轨卫星、无人飞机等）为载体，实时获取、传输和处理空间信息的网络系统，在应急救援、导航定位、航天测控等发挥重要作用。空间信息网络的发展，受频谱和轨道等资源的制约，在全域覆盖、传输容量和协同处理等方面亟待提高。
l(PIMRC’2024) Coverage Analysis Under Multi-Altitude Orbits for Multi-layer Low Earth Orbit Satellite Constellations Using Stochastic Geometry
l(EAAI’2023)Reinforcement learning for energy efficiency improvement in UAV-BS access networks: A knowledge transfer scheme
l(WCNC’2020)Multi-UAV Collaborative Data Collection for IoT Devices Powered by Battery
l(Access’2020)Energy Efficient 3-D UAV Control for Persistent Communication Service and Fairness: A Deep Reinforcement Learning Approach
