報告人簡介
梁浩陽博士，目前在同濟大學交通學院擔任博士后研究員。他在2018年從清華大學土木工程系獲得學士學位，并于2022年從香港大學獲得博士學位。他的博士研究專注于密集恐慌人群的動態連續建模與實驗，致力于通過結合虛擬現實和高精度行人仿真技術來為密集人群的管理和控制提供可靠的預測工具。現在，他是同濟大學CAVE虛擬現實實驗室的主要研究員，專注于為混合交通流的模擬和測試開發數字孿生平臺。梁博士在TR-Part B、PLoS ONE以及ISTTT24等知名期刊和會議上已經發表10余篇的學術論文及報告，并且已申請多項發明專利。
內容簡介
基于連續空間模型的動態交通分配已經成為理解和管理多維交通系統的強大和有效工具，特別是在處理密集城市網絡和人群動態內的出行選擇問題中。本研究討論了反應性動態用戶均衡（RDUE, Reactive Dynamic User Equilibrium）模型在處理動態交通分配問題時所面臨的挑戰，特別是在處理復雜情境時滿足精度和效率要求的困難。RDUE模型依賴于數值求解器，這些方法在處理不規則物理邊界和高階有限差分方案時面臨顯著挑戰。此外，這些方法的計算效率在動態連續問題中有很大的提升空間。為了應對這些挑戰，本研究引入了物理信息神經網絡的應用，結合了神經網絡和偏微分方程的優勢來解決連續交通流中復雜的物理問題。
