11月6日-8日下午13:30-16:10，由成艳老师主持的院级高等讲堂系列讲座于交通运输工程学院（通达馆）103会议室成功举行。

11月6日的两场讲座主题分别为：（1）复杂城市轨道交通网络的运营计划制定——以伦敦为例；（2）列车时刻表制定方法（含实操练习）。讲座邀请了来自伦敦交通局首席交通规划师David Winslett以及来自伦敦大学的Taku Fujiyama教授为大家带来了精彩的报告。

在第一场讲座中，David Winslett教授介绍了伦敦交通局的组织架构，以及伦敦地下铁的运营及其在整个伦敦综合公共交通系统中的作用。David Winslett教授强调了复杂城市轨道交通网络中计划制定的重要性，主要分析了在铁路和资源的限制条件下实施战略计划遇到的挑战和过程，以及如何列举运营计划所需的结果，并获得内部和外部利益相关者的支持、对各类变化进行管理。

通过Winslett教授的介绍，同学们受益匪浅，并在最后的提问环节踊跃发言。教授解答了关于如何解决铁路系统与其他系统的联动、如何设计车次以应对灵活的客运需求以及在运营高峰期如何实现高密度发车等等疑问，现场气氛热烈。

第二场讲座的主讲嘉宾是Taku Fujiyama教授，讲座内容包括列车时刻表的组成、通过线性规划的方法计算列车时刻表的原理以及如何使用Excel求解器快速解决问题。Taku Fujiyama教授通过一个简单的案例，结合图表深入浅出地讲解了分析列车时刻表的步骤，并提供了一份表格供大家练习Excel中的“规划求解”功能。

在实操环节，参会同学使用自己的电脑积极尝试，Taku Fujiyama教授也为大家提供了悉心指导，帮助同学们更好地理解列车时刻表的概念与建立过程，熟练运用Excel解决实际问题。

11月7日的两场讲座主题分别为：（3）列车停站时间与客流管理；（4）伦敦轨道交通运营变化对客流影响的衡量与分析。讲座邀请了来自伦敦大学学院土木、环境与测绘工程系的Taku Fujiyama教授以及来自伦敦交通局首席交通规划师Howard Wong为大家带来了精彩的报告。

在第一场讲座中，Taku Fujiyama教授引入了在高峰期中列车停站时间的计算方法，并提出了新的观点：列车停站时间不是在时间表中预测规划出的，而是向计划频率努力实现的。此外，教授还给出了两个实现的关键点：如何实现乘客快速上下车？如何监管？

接着，Taku Fujiyama教授具体阐述了停站时间的影响因素，给出了停站时间模型，然后引出多个城市地铁的例子，指出在客流量较大的地铁站，列车停站效率更高。Taku Fujiyama教授还和听众探讨了未来是否仍然存在提高列车停站效率，减少停站时间的空间。

最后，Taku Fujiyama教授与参会师生进行了深入的交流，详细解答了参会师生关于停站时间影响因素等相关问题，并在如何优化列车停站，城市轨道交通减少延误和提升运输能力方面提出了展望。

第二场讲座的主讲嘉宾是来自伦敦交通局首席交通规划师，公共交通客流需求、系统运行表现研究与分析专家Howard Wong。首先，Howard Wong介绍了城市轨道交通运营发生改变后，伦敦交通局将怎样进行事后评估来，用以了解如何干预和干预方式的评价手段。

接着，Howard Wong具体阐述了如何衡量运营变化对客流以及轨道交通运行性能影响，还向听众介绍了伦敦交通局如何使用综合票务系统研究整个交通系统的变化和受到的影响，最后，还指出了运营变化后乘客出行行为与时间变换的关系。

最后，Howard Wong与参会师生进行了深入的交流，详细解答了参会师生关于客流变化影响因素方面相关问题，其他专家教授也给出了他们的见解，现场气氛热烈，学术氛围浓厚。

11月8日的两场讲座主题分别为：（5）基于大规模位置数据的人员流动性分析；（6）交通领域的深度学习。讲座邀请了SpaceTimeLab核心成员,地理空间科学硕士项目负责人，来自伦敦大学学院土木、环境与测绘工程系James Haworth副教授为大家带来了精彩的报告。

在第一场讲座中，James Haworth教授介绍了将介绍一系列可用于分析人员流动性的位置信息大数据源。James Haworth教授通过一系列案例研究展示伦敦大学学院 SpaceTimeLab 如何将这些数据用于活动检测、人口分析和政策评估等课题。

通过James Haworth教授的介绍，同学们受益匪浅，并在最后的提问环节踊跃发言。教授解答了关于如何将我们日常活动留下的数据痕迹进行有效收集以及收集后的数据经过怎样处理来反映出人口流动性等疑问，现场气氛热烈。

在第二场讲座中James Haworth教授指出深度学习已经改变了计算机在计算机视觉、模式识别和时间序列预测等领域执行各种任务的能力，并找到这些技术在交通研究中的应用场景。介绍与交通研究相关的深度学习的主要算法，回顾这些算法是如何被用于处理交通时空数据的,并进一步介绍伦敦大学学院 SpaceTimeLab的一些案例研究如利用计算机视觉理解道路风险和利用图神经网络预测事故风险。最后提出关于未来人工智能在交通领域的发展方向的一些想法。

通过James Haworth教授的介绍，同学们对机器学习方法有了更加深刻的认识，并在提问环节踊跃发言，James Haworth教授对了许多先进的机器学习算法的原理和其如何应用于交通数据处理进行了解答，现场学术氛围浓厚。

在James Haworth教授结束了他的分享后，成艳老师对这三天的系列讲座进行了总结性的发言，并对四位从英国远道而来的嘉宾表示由衷的感谢，并赠予了他们学院的纪念徽章。

最后，所有参与本次讲座的老师、学生以及工作人员合影留恋，本期高等讲堂系列讲座圆满结束。

文稿及图像摘自同济大学交通运输工程学院官方网站，有删改。