智能交通系统（Intelligent Transportation Systems）是通过多领域技术创新与融合，构建的安全、高效、绿色、智能的现代化综合交通体系，团队在该领域聚焦七大前沿方向：路网交通控制方向，通过智能算法与动态优化技术，对交通网络流量、信号及通行策略进行智能化调控，提升交通网络通行效率；立体交通方向致力于构建多维交通空间，探索空中、地下等新型交通形态的协同发展；车路云一体化方向深度融合车辆、道路与云端资源，打造智能互联的交通生态；出行与物流方向借助大数据与人工智能，优化运输资源配置，推动绿色高效的现代物流体系建设；路桥隧安全方向利用智能监测与预警技术，保障交通基础设施全生命周期安全；交通网/电网/信息网融合方向探索多网协同运行机制，赋能智慧能源与交通的可持续发展；智能网络与系统方向则围绕交通场景，研发先进的通信、感知与决策系统。各研究方向相互支撑，形成从基础设施到运输服务、从单一网络到多网融合的完整研究体系。

载具智能化（Smart Vehicles）领域聚焦于通过前沿技术革新载具性能与应用模式，围绕感知、决策、控制、协同等核心环节，对载具进行智能化升级，实现载具在复杂环境下的自主感知、精准定位、智能决策与高效协同。团队在该领域聚焦六大前沿方向：在网联车辆方向，重点研究车路云协同通信协议与数据交互协同机制，打造智能互联的车辆运行生态；环境感知方向研究多传感器融合技术（如激光雷达、视觉相机、毫米波雷达），实现复杂交通场景下动态目标的精准识别与语义理解；定位导航方向融合北斗卫星导航、惯性导航与高精度地图，打造厘米级定位系统以满足自动驾驶的绝对与相对定位需求；自主驾驶方向基于深度学习、强化学习等智能算法，开发具备决策规划与运动控制能力的智能驾驶系统；协同控制方向探索多车协同决策机制，构建分布式协同控制算法体系，提升交通流效率与系统安全性；智能装备与系统方向则聚焦车载计算平台、边缘云协同等硬件和软件的开发与集成，推动感知-决策-控制一体化装备的工程化应用。实验室以 “智能赋能载具，创新驱动交通” 为目标，通过多方向交叉融合，为智慧交通领域培养兼具理论深度与工程实践能力的复合型人才。

交通 AI（AI for Transportation）领域借助人工智能技术对交通系统各环节进行智能化赋能，通过多维度技术融合与创新应用，推动交通领域向安全、高效、智慧方向升级。团队在该领域聚焦五大前沿方向：在交通大数据方向，通过多源异构数据（如路网感知数据、出行轨迹数据、遥感影像数据）的融合处理与深度挖掘，构建实时交通态势感知体系；交通预测方向依托时空图神经网络、时空序列分析等模型，以及跨尺度特征提取技术，实现短时流量预测与长期趋势分析；事故 / 事件溯源方向结合计算机视觉、时空因果推断算法与历史案例库，实现交通异常事件的致因解析与演化规律挖掘，并生成责任判定依据；具身交通智能方向将AI嵌入车辆、信号灯等实体，构建具备环境适应与自主决策能力的交通参与者模型；交通大模型方向基于多模态预训练技术，开发面向交通场景的多模态通用模型。实验室以 “AI 赋能智慧交通，数据驱动行业革新” 为宗旨，通过多方向协同创新，培养兼具人工智能理论功底与交通领域应用能力的复合型科研人才。

载具 AI（AI for Vehicles）领域通过人工智能技术贯穿载具全生命周期，在感知、决策、控制、管理等层面实现智能化升级，以提升载具安全性、效率与环境适应性。团队在该领域聚焦四大方向开展前沿探索与技术攻关：在载具大数据方向，通过整合车载传感器数据、运行维护数据、环境感知数据等多源异构信息，运用数据分析与挖掘技术，揭示载具运行规律、优化性能管理并驱动智能决策；载具大模型方向，基于深度学习和多模态预训练技术，打造面向载具领域的大规模语言模型与知识图谱；具身载具智能方向，将AI算法嵌入自动驾驶车辆，研究载具在动态环境中的自主感知、决策与控制策略；健康监测与管理方向，依托传感器网络与AI诊断算法，对载具关键部件进行实时状态监测与故障预测，实现早期预警、故障诊断、性能优化等复杂任务的智能决策。实验室秉持 “AI 驱动载具革新，智能引领未来出行” 的理念，致力于培养在载具智能化领域具备深厚理论与实践能力的专业人才。