马玮 | 构建“可信赖”的交通未来

在香港理工大学土木及环境工程学系，马玮正带领他的移动人工智能实验室（Mobility AI Lab）团队成员，试图在计算机中“复刻”现实世界的交通流动。“交通数字孪生”，一个实时反映真实路网交通态势的虚拟系统，通过融合多源数据和人工智能技术，它不仅可以精准预测拥堵，还能推演政策影响，模拟突发事件，甚至洞察出行行为背后的机理。

马玮

作为一名90后博士生导师，马玮凭借多年努力，已在智慧交通领域崭露头角。发表《科学引文索引》（SCI）一区期刊论文50余篇，在神经信息处理系统大会（NeurIPS）等人工智能顶会发表论文9篇，获得运筹学与管理科学学会（INFORMS）数据挖掘最佳论文奖、茅以升优秀博士论文奖等多项荣誉。如今，他是《IEEE智能交通系统汇刊》等多本国际期刊的编委，也是国家自然科学基金的项目评审人。

但无论职务、身份如何变化，马玮的目光始终没有离开过城市街道上川流不息的车辆。在他看来，交通是“每个人都懂，每个人都受困扰”的真问题，而人工智能在其中的真正价值，在于让交通系统“更可靠、更安全、更智能”。

跨越大洋的积淀与深耕

马玮的学术轨迹跨越了土木工程、数学与机器学习三大领域。2010年，他进入清华大学土木工程系，大二时加入李瑞敏教授的课题组，初步接触智慧交通系统研究。“什么是交通研究、如何开展交通研究，都是李老师教我的。”他在采访中坦言，“李老师是我在交通方向的启蒙老师。”本专业之外，他还在数学与应用数学专业攻读第二学位，师从谢金星教授。正是这段宝贵经历，为他日后处理复杂的交通建模问题打下坚实的数学基础。

2014年，马玮赴卡内基梅隆大学（CMU）深造，师从钱臻（Sean Qian）教授，主攻土木与环境工程，并获得机器学习硕士学位。卡内基梅隆大学的跨学科氛围让他深入接触人工智能前沿方法，也让他意识到交通问题的复杂性与独特性。

在美期间，马玮参与了一个与费城交通规划部门的合作项目，帮助更新其陈旧的交通模型。“那个项目要求很高，工期却非常赶，一年就要交付成果。”他回忆道，“我们提出用数据驱动的方法让模型能自适应交通变化。”那段时间，他和导师、同学常常熬夜攻关，凭着强大的毅力最终成功将研究成果落地。“直到今天，他们的规划部门用的还是我们当时开发的模型组件。”提起这点，马玮语气里有藏不住的开心。他说，中间辛苦一点没关系，能够让成果落地，得到真正的应用，就是科研的重要动力。而这种“从实践中来，到实践中去”的研究理念，也因此深深烙印在他的学术风格中。

让AI在交通领域“值得信赖”

粤港澳大湾区在人工智能领域的产学研实力在全球都有目共睹。2020年，从卡内基梅隆大学博士后出站后，马玮入职2023年度QS世界排名第22的香港理工大学土木及环境工程学系，并从事该校排名更为靠前的交通运输工程方向研究。

得益于大湾区的独特区位与产业优势，马玮得以在一个资源高度协同的环境中，专注于“如何保证人工智能在交通管控落地应用中能够真正值得信赖”这一他始终关注的核心命题展开深入研究。为此，他提出交通AI必须具备4个特性：准确可靠、可解释性强、安全鲁棒、可泛化性强。这正是当前AI落地交通领域的瓶颈所在。针对这些挑战，他和团队从4个方向开展了系统性研究。

在交通感知层面，马玮提出结合物理模型与因果推断的交通状态估计方法，解决了传感器数量不足的痛点；开发少样本机器学习技术，应对交通数据分布不均的现实；采用隐式神经表示方法，对不规则时空数据进行连续建模。这些方法将交通估计精度与预测准确度提高了10%以上。

在交通建模方面，马玮创新性地提出“统计交通分配模型”，将传统模型中的确定值变为随机变量，从而对交通状态分布进行建模；建立“混合精度动态交通模型”，将路段模型与区域模型结合，解决大规模路网建模的效率-精度矛盾；继承并发展“计算图”框架，将交通网络模型转化为神经网络的前向后向传播过程，借助深度学习技术加速求解。这些工作将交通仿真效率提升90%，拟合准确度提高50%。

在交通管控中，马玮深入探索深度强化学习在复杂交通场景中的应用，通过物理约束降维、模仿学习增效、分布式训练加速等方法，大幅增强强化学习稳定性，提升管控效率约20%。

不仅如此，马玮在研究中还敏锐地注意到AI模型的脆弱性。“数据污染攻击已成为智慧交通系统的潜在威胁。”他举例说，“比如通过手机地图发起的虚假拥堵报告，可能误导整个交通系统。”为此，他和团队开展了对抗性攻击与防御研究，为交通系统的安全性提供保障。

马玮的研究从未停留在纸面上。他与香港交通署合作的“智能泊车预测项目”便是典型代表。香港地少车多，停车难问题突出。团队利用传感器和AI技术，开发了能预测路旁和停车场空置车位的系统，并进一步集成为“HKeParking”手机应用。用户输入目的地后，系统不仅能推荐附近停车位，还会预测找到车位的难易程度，避免引导用户前往已满的停车场。项目分两期进行，首期验证技术可行性，二期相关成果有望在香港官方出行应用中进行试点集成。“香港政府部门出于谨慎考虑，需要前期验证证据。”马玮表示，“但得益于香港智慧城市建设的自上而下推动，我们的研究有了落地土壤。”

马玮课题组成员

马玮更大的志向在于构建跨城市的“交通数字孪生平台”。他率领团队开发了香港、深圳、匹兹堡、费城等多城市的交通仿真模型，并开始探索“统一交通大模型”的可能性。“每个城市交通情况不同，传统方法需要为每个城市单独建模，工作量巨大。”马玮解释道，“我们正在研究如何将不同城市学到的知识融合，开发具有泛化能力的模型。”他十分希望能够找到交通系统中的“统一法则”，像物理定律一样适用于不同城市，实现知识的跨城市迁移。

让交通惠及城市与人

身为Mobility AI Lab的负责人，马玮目前指导6名博士后、15名博士研究生和2名硕士研究生。在团队建设上，他尝试融合中美科研模式的优点。“美国以小团队为主，灵活适应前沿探索；中国以大团队见长，适合集中攻坚。”他分析道，“香港正尝试在两者间找到平衡点。”他努力给予学生高度自主性，鼓励他们自由探索感兴趣的方向，同时确保研究路线聚焦。“我的角色更像一个引导者，当他们出现偏差时及时纠正，方向正确时启发更深探索。”

面对未来，马玮的视野已超越交通系统本身。“交通只是城市系统的一部分，我们希望研究更宏观的城市系统耦合问题。”他特别关注新能源车普及带来的交通—能源系统耦合及AI在低空经济中的作用。此外，他还开始探索交通系统与给排水系统、建筑环境、路面系统等的关联。在“可信赖交通数字孪生”的框架中，他则强调了准确性、可解释性、安全性和可迁移性四大特性，这也将成为他未来研究的核心方向。

从清华大学到卡内基梅隆大学，从匹兹堡到香港，马玮的学术之路始终贯穿着对现实问题的关注和对技术创新的追求。他希望自己的研究既建立在数据和算法之上，更建立在对人类出行需求的深刻理解之上。在这个意义上，马玮的工作不仅是技术性的，更是人文性的。他所追求的“可信赖人工智能”，本质上是一种科技与城市、技术与人文的和谐共生。正如他所说：“交通研究最大的意义，在于能够惠及每一个在城市中生活的人。”

​