GEITS 专刊征稿：基于学习的智能交通系统：理论、技术与应用

Call For Papers

智能交通系统的发展受到复杂和动态应用场景的挑战。交通场景的高动态性和强交互性，对精确建模和理解智能交通系统的机制机理提出了更高的要求。基于机器学习的解决方案（如深度学习、强化学习、迁移学习等）被视为提高系统安全性和通用能力的重要分支，越来越受到学术界和工业界的关注。本刊组织“基于学习的智能交通系统：理论、技术与应用”（Learning-based intelligent transportation systems: theories, technologies and applications，LITS）专刊，介绍最新原创成果，分享前沿观点，加强跨学科研究。

本专刊将介绍最新原创成果，包括但不限于以下领域：

• 基于学习的智能交通系统新理论、方法与机理理解

• 基于学习的环境感知技术，包括目标检测、跟踪和语义分割等

• 强交互、复杂和不确定性环境下基于学习的预测、决策、规划和控制

• 基于学习的交通系统智能管理和监控技术

• 基于强化学习的有人、无人车辆交互与协同技术

• 基于迁移与可持续学习的智能交通系统泛化与自进化技术

• 基于学习的驾驶行为和驾驶场景风险评估方法

• 基于学习的智能交通系统应用与部署

• 基于学习的智能交通系统测试标准、开发工具和验证平台

• 基于深度学习技术的交通系统状态估计与预测

• 基于深度学习技术的高效率、低风险、强协同的智能网联车辆决策研究

• 高效和可解释的智能交通系统深度学习模型

• 智能交通管理系统与智慧城市的智能设计

• 智慧城市基础设施运维

客编简介

龚建伟，北京理工大学教授，博士生导师，汽车研究所所长。主要研究方向为智能车辆、地面无人系统、移动机器人理论与应用技术、环境感知与导航控制技术、决策规划与控制技术等，研究团队为无人车技术工业和信息化部重点实验室、地面无人机动平台国防科技团队。在地面无人车辆、智能驾驶领域负责多项国家自然基金重点项目、重大基础预研项目。获各类科技奖励近10项，著有《无人驾驶车辆模型预测控制》等10余部著作，发表论文100余篇。完成无人驾驶公交、大客车、轿车、矿用/物流/工程车辆在各类场景中的示范30余项。作为指导教师带领北京理工大学本科生智能车队荣获70余项全国及华北赛区一、二等奖。2022年8月，团队获第二十四届“中国机器人及人工智能大赛-百度Apollo城市道路自动驾驶虚拟仿真赛”全国总决赛一等奖；2022年9月，所带领团队获2022世界人工智能大会AI驾驶仿真大赛一等奖。

吕超，北京理工大学机械与车辆学院副教授，CAA平行智能专业委员会委员，世界交通大会（WTC）专业委员会委员。主要从事强化学习、迁移学习、驾驶行为建模、智能车辆决策系统与智能交通系统等领域的研究。主持国家自然科学基金、上汽基金会重点项目等在内的多项国际和国内项目。发表包括IEEE Transactions on Intelligent Transportation Systems等在内的SCI/EI收录论文60余篇，授权发明专利11项。 

Meng Wang，德国德累斯顿工业大学讲席教授，COTA-Europe（Chinese Overseas Transportation Association-Europe）副主席。主要研究领域为自动与协同驾驶系统的建模、控制设计及对交通流安全运行的影响评估。Meng Wang教授曾获得IEEE ITSC最佳论文奖及IEEE最佳博士学位论文奖。现担任IEEE Transactions on Intelligent Transportation Systems、IET Intelligent Transport Systems和Transportmetrica B: Transport Dynamics副主编。

赵卉菁，北京大学智能学院教授。主要研究领域为智能车与移动机器人、智能交通、环境感知、驾驶行为理解。现担任中国自动化学会车辆控制与智能化专业委员会委员、中国人工智能学会智能驾驶专业委员会委员、中国机器人运动工作委员会委员、IEEE Transactions on Intelligent Vehicles副主编。主持包括国家自然科学基金项目在内的多项研究。

Yang Xing，英国克兰菲尔德大学自动化与信息物理系统研究中心讲师。2018年于英国克兰菲尔德大学获得博士学位，后在新加坡南洋理工大学、牛津大学开展博士后研究，获得IV2018最佳会议论文，并担任IEEE Internet of Things, IEEE Intelligent Transportation Systems Magazine, Frontiers in Mechanical Engineering等多个期刊的客座编辑。

专刊信息

专刊主页：

https://www.sciencedirect.com/journal/green-energy-and-intelligent-transportation/about/call-for-papers

投稿截止日期：

2023-03-31

投稿链接：

https://www.editorialmanager.com/geits

（选择Section Category时，请选择“VSI: LITS”。）

期刊官网：

https://www.journals.elsevier.com/green-energy-and-intelligent-transportation

专刊简介

Aims & Scope

Intelligent transportation systems (ITS) confront the challenge of complex and dynamic application scenarios. The complicated, critical and interactive conditions in various traffic scenarios bring a higher demand on precisely formulating, modelling and understanding the mechanism of ITS. Learning-based solutions (such as Deep Learning, Reinforcement Learning, Transfer Learning and so on) are regarded as an important branch of improving system security and general capability, which attract increasing attention from both academic and industry. The special issue on “Learning-based intelligent transportation systems: theories, technologies and applications” aims to provide a platform for researchers to present their cutting-edge research in addressing this challenge.

Topics of interest

This issue will publish original research papers, reviews, perspectives, and views & comments including but not limited to the following fields:

• Newly developed theory in formulating, modelling and understanding the mechanism of learning-based ITS;

• Novel learning-based environmental perception technology, including object detection, tracking, semantic segmentation, etc;

• Advanced learning-based prediction, decision-making, planning and control methods in complex, interactive and uncertain environments;

• Learning-based technologies in intelligent management and monitoring for transportation systems;

• Reinforcement learning for interaction and cooperation between intelligent vehicles and human drivers in mixed autonomy;

• Breakthroughs in generalization, transfer capability and continual evolution of learning-based ITS;

• Risk assessment of driving scenarios and driving behaviors using machine learning;

• The application and deployment of novel learning-based algorithms on ITS;

• New explorations in benchmarks, toolkits and evaluation platforms for learning-based ITS;

• Deep-learning-based technologies in traffic state estimation and prediction;

• Deep-learning-based applications towards efficient, co-operative and safe decision-making for CAVs in ITS;

• New efficient and explainable deep-learning-based models in ITS;

• Intelligent design of intelligent traffic management systems and smart cities;

• Operation and maintenance of infrastructures in smart cities.

Guest editors

Prof. Jianwei Gong, Beijing Institute of Technology, [e-mail]

Associate Prof. Chao Lu, Beijing Institute of Technology, [e-mail]

Prof. Meng Wang, Technische Universität Dresden, [e-mail]

Prof. Huijing Zhao, Peking University, [e-mail]

Dr. Yang Xing, Cranfield University, [e-mail]

关于我们

ABOUT US

期刊简介

Green Energy and Intelligent Transportation（《新能源与智能载运》）是由北京理工大学(BIT)和爱思唯尔出版集团（Elsevier）共同打造的综合性高水平国际化英文科技期刊，采用开放获取(OPEN ACCESS, OA)平台出版。本刊已入选中国科技期刊卓越行动计划高起点新刊项目。

期刊由中国工程院院士、科睿唯安“全球高被引科学家”、北京理工大学孙逢春教授担任主编，国家万人计划、科技部中青年科技创新领军人才、北京理工大学王震坡教授和IET Fellow、国家基金委优秀青年获得者、北京理工大学熊瑞教授担任期刊执行主编。

办刊宗旨

本刊以刊发国际一流学术成果、引领新能源与智能载运科技创新、服务“交通强国”发展战略为宗旨，旨在聚焦国际绿色能源技术、先进储能技术以及具有低碳化、电动化、智能化、共享化等促进交通可持续发展的应用技术，为国内外专业研究学者和工程技术专家提供高水平的学术交流和信息传播平台。

聚焦领域

• 先进储能系统与技术

• 交通电动化、智能化与网联化

• 电动运输与电网的相互关系

• 牵引用电力电子设备

• 绿色智能交通基础设施

• 载运智能化与可持续发展

• 新材料与轻量化技术在载运工具中的应用

• 绿色交通与可持续发展（包括碳中和）

• 人工智能、新材料和新技术的应用

办刊成果

本刊已入选中国科技期刊卓越行动计划高起点新刊项目。期刊收录文章将在Elsevier官方网站ScienceDirect平台上为广大读者提供免费阅读和下载服务。

投稿网址

https://www.editorialmanager.com/geits/default1.aspx

期刊网址

https://www.journals.elsevier.com/green-energy-and-intelligent-transportation/

咨询投稿

Email: [e-mail]

Tel: [phone]

我们会及时与您取得联系，谢谢！

公众号内容由Green Energy and Intelligent Transportation期刊编辑部撰写

编辑：徐宁

审核：李炳泉