2019年1月3日，汽车安全与节能国家重点实验室第225期学术沙龙在汽车研究所301会议室举行。此次请到的演讲嘉宾是北京市交通委员会首席科学家和主任助理、美国亚利桑那州立大学终身教授周学松博士，演讲题目为：“ADMM分解框架在大规模交通问题中的应用”。

北京作为世界超大城市，人口基数大、出行密度高、网络结构庞杂，如何解决好拥堵问题，提高公共交通服务水平，是一个世界级难题，而大数据、人工智能等科学技术的迅猛发展，给交通领域带来了新的发展动力。周学松教授的讲座会集中讨论了如何将基于ADMM（交替方向乘子法，Alternating Direction Method Of Multipliers）的问题分解框架应用于学术上的交通基础难题。讲座伊始，周学松教授首先带领大家从经典理论的视角看城市交通拥堵的科学问题，并指出治堵问题是困难的经济学问题，也是行为学问题和运筹学问题。随后，周学松教授从应用虚拟轨道系统进行大规模无人车规划的潜在优势切入，详细介绍了类比铁路系统来构建无人车系统的方法，主要包括资源虚拟化、布点、分层、建网和优化五个步骤。具体到基于共识的自动车辆轨迹控制层面，周学松教授进一步解释了交通流模型和基于共识控制策略的方案和架构。在城市物流的背景下，考虑一个具有时间依赖的旅行时间和时间窗（VRPTW）的车辆路径问题，目标是最小化总的广义成本，包括运输成本，车辆等待成本和每辆车的固定成本，采用高维时空网络流模型，通过一系列丰富的标准和约束来制定潜在的车辆路径。但在解决VRP问题时，一个棘手的问题是如何迭代地改进原始和双重解决方案的质量，以及如何通过许多相同的解决方案打破对称性，特别是对于同类车辆。为了解决这一问题，周学松教授将ADMM引入多车辆路径问题。关于ADMM，周学松教授基于其数学模型深入浅出的分析了该算法的优势：适合分布式凸优化，特别是应用统计学和机器学习中出现的问题，并演示了将ADMM中使用的二次惩罚项减少为简单线性函数的方法。基于ADMM，周学松教授开发了计算上可靠的双重分解框架，以迭代地改进原始和双重解决方案质量。演讲最后，周学松教授展示了现实实例的测试结果。

周学松，现任北京市交通委员会首席科学家和主任助理（政府特聘岗位），美国亚利桑那州立大学（终身教授）。同时担任美国运筹与管理研究协会铁路应用分会主席（2016）, IEEE 智能交通系统协会交通和出行管理技术委员会的联合主席，TRB 委员会之交通网络建模（ADB30）网络模型应用分会主席，国际期刊Transportation Research Part C: Emerging Technologies副主编，Urban Rail Transit 执行副主编, Network and Spatial Economics 副主编, Transportation Research Part B: Methodological 编委。主要研究领域是交通运输组织现代化，如大规模交通网络状态估计、管理、仿真和优化模型构建，是少数横跨道路交通和铁路运输管理两个应用领域的学者。

本次学术沙龙由车辆与运载学院李升波老师主持，吸引了近120余名教师和研究生参加。演讲过后在座的老师同学们就ADMM向周学松教授提出了若干问题，问题主要涉及ADMM的罚函数以及迭代步数，迭代参数以及迭代中存在的惰性问题，周学松教授对此一一作了详细的解答。