一、项目背景
为贯彻全国研究生教育会议精神，落实习近平总书记关于建设卓越工程师人才队伍的重要指示，服务交通强国、数字中国、气象高质量发展和韧性城市建设需求，本项目面向强降水、团雾、道路积水结冰等交通气象灾害下的监测预警、风险评估和防控服务等重大工程问题，开展“交通气象智能感知与灾害风险防控”研究生联合培养项目建设。
近年来，短时强降水、团雾、低能见度、道路积水湿滑和结冰等灾害性天气频发，已成为威胁道路交通安全和城市生命线运行的重要因素。传统气象观测依赖雷达和稀疏站点，难以捕捉百米级、分钟级的城市微尺度气象变化；道路交通管理和气象服务之间也存在数据割裂、感知不足、预警不细和处置滞后等问题。
本项目依托申请人在卫星遥感智能解译、交通大数据时空预测、气象灾害监测预警、道路状态感知和强降水短临预报等方面的研究基础，围绕“泛在交通感知—微尺度气象反演—灾害智能判识—物理约束短临预报—风险评估与定损服务”技术链条，构建校企协同、产教融合、工程牵引的研究生培养体系。项目强调“科研问题来自真实业务、算法模型面向系统落地、培养成果服务就业竞争力”，帮助学生形成气象、交通、人工智能和工程系统复合能力。
从就业面向看，交通气象正处于智能交通、车路云一体化、低空经济、城市安全治理、应急管理和商业气象服务快速融合的阶段。学生通过本项目训练，可面向智能交通企业、气象科技公司、车路云平台企业、智慧城市与应急管理单位、自动驾驶与道路安全企业等方向就业，具备算法研发、数据工程、交通气象产品设计、系统集成和场景应用验证等岗位能力。
二、项目特色
本项目聚焦交通气象、人工智能、智能交通和防灾减灾等交叉方向，突出“真实数据训练、真实项目牵引、真实系统开发、真实岗位能力”的培养特色。项目以强降水、团雾、积水结冰等交通气象灾害为牵引，让学生在解决工程问题的过程中掌握可迁移、可展示、可就业的技术能力。
1. 对接新兴产业岗位需求。项目面向交通气象服务、车路云一体化、智能交通安全、城市应急治理等新兴方向，培养学生理解行业场景、拆解业务问题和设计技术方案的能力。
2. 训练“AI+气象+交通”复合技能。项目围绕视频图像、雷达、雨量站、卫星遥感、车载感知和交通流数据，训练学生的数据治理、多模态融合、深度学习建模和边缘部署能力。
3. 强化高含金量算法研发能力。项目将光学成像机理、气象雷达Z-R关系、流体连续性方程、半拉格朗日平流等物理约束嵌入AI模型，提升学生从“调模型”走向“懂机理、会创新”的能力。
4. 形成可展示的工程作品。学生可参与交通气象数据集、灾害识别模型、短临预报算法、风险评估工具和原型系统开发，形成论文、专利、软件著作权、代码模型和应用案例等成果，为实习就业提供作品支撑。
三、项目合作企业简介
本项目立足工程类专业学位研究生培养目标，拟联合气象服务、公安交管、智能交通、车路云和道路风险管理等领域单位，构建“高校科研团队—气象与交通业务部门—工程技术企业—城市应用场景”协同育人机制。通过共建研究生实践基地、开放工程数据与测试场景、联合指导课题研究、参与系统开发与业务验证等方式，使学生在读研期间接触真实项目流程、企业工程规范和行业岗位需求。
目前项目基础合作单位包括：中国气象局交通气象重点开放实验室、无锡市气象局、公安部交通管理科学研究所、江苏天安智联科技股份有限公司、无锡市车联网产业发展集团有限公司、无锡车联天下智能科技股份有限公司等。相关单位在交通气象业务服务、道路视频与交通数据接入、车路云平台建设、道路风险感知、协同预警和交通运行管理等方面具有良好基础，可为研究生提供真实数据、工程平台和场景验证条件。
四、项目研究方向及导师团队简介
项目设置三个研究方向，分别对应“感知数据从哪里来、灾害风险如何判、预报服务怎样用”三个就业导向鲜明的能力模块。学生可根据兴趣选择偏算法研发、数据工程、系统开发或行业应用的培养路径。
研究方向一：泛在交通感知驱动的微尺度气象要素反演
主要面向城市微尺度强降水“测不到、看不清、站点稀”的问题，研究路侧视频、车载感知、雷达、雨量站和交通流数据的时空对齐与融合方法，开展基于光学成像机理的降水强度反演、能见度估计、路面积水识别和高密度“虚拟雨量计”构建。重点培养学生在计算机视觉、气象物理约束建模、多源数据融合、边缘计算部署和交通气象数据集构建方面的能力。导师团队：朱灵龙（负责人，无锡学院副教授、硕士生导师）、彭华清（无锡市气象局气象台台长）、朱雪金（无锡学院副教授）及相关企业导师。
研究方向二：路域气象灾害智能判识与快速定损
主要面向团雾、强降水、路面结冰、积水、积雪等路域气象灾害识别难、预警不准和灾后定损慢等问题，研究视觉、气象、遥感和道路基础设施数据的多模态融合方法，开展视程障碍类灾害识别、路面状况类灾害分割、道路设施损毁检测、不确定性评估和“灾害强度—暴露度—损失率”定损模型研究。重点培养学生在道路灾害智能识别、轻量化模型设计、边缘侧部署、风险评估和业务系统开发方面的能力。导师团队：阚希（负责人、物联网工程学院副院长）、卢健（公安部交科所主任）及智能交通企业导师。
研究方向三：物理约束强降水短临预报与交通反馈闭环订正
主要面向城市强降水短临预报“报不细、易模糊、缺少独立校验源”的问题，研究物理-数据双驱动的时空超分辨重构、百米级分钟级降水分析场构建、流场引导的物理可解释短临预报模型和基于交通系统响应的反馈校验机制。重点培养学生在图神经网络、Transformer时空预测、物理信息神经网络、因果推理、气象交通耦合建模和预报效能评估方面的科研与工程能力。导师团队：盛丽娜（无锡学院副教授）、吴磊(无锡市气象局)及车路云企业导师。
五、联培研究生待遇说明
联合培养研究生按照上海第二工业大学研究生培养相关规定执行，享受学校规定的奖助学金、科研训练、实践教学和学位论文指导等支持。此外，由无锡学院联培导师指导的研究生，在联合培养期间由联培导师另行提供助研费支持，标准为每生每学年5000元，按每月500元分10个月发放。研究生在联合培养期间取得论文、专利等科研成果的，联培导师将根据成果类别、成果质量、署名排序及学生实际贡献另行给予科研成果奖励，具体奖励标准按照导师团队相关规定执行。上述助研费和科研成果奖励均属于导师科研项目支持，与上海第二工业大学现有奖助学金及其他奖励分别执行。进入项目的研究生，可参与交通气象灾害智能感知、强降水短临预报、道路风险识别、车路云协同预警、业务系统原型开发等真实工程项目，在学校导师和企业/业务导师共同指导下完成从“数据—算法—系统—场景验证”的完整训练。
合作企业和业务单位可根据项目任务和培养协议，为研究生提供实习实践岗位、工程项目数据、测试验证环境、企业导师指导、项目研发补贴或实习津贴等支持。项目鼓励学生围绕工程应用形成论文、专利、软件著作权、技术报告、数据集、系统原型和应用案例，提升其在智能交通、交通气象、车路云平台、智慧城市、应急管理、自动驾驶安全和气象科技服务等方向的就业竞争力。
学生毕业后可面向算法工程师、交通大数据工程师、气象数据工程师、智能交通产品经理、车路云平台研发工程师、交通安全与应急系统工程师等岗位发展，也可继续攻读博士学位，从事交通气象、遥感智能解译、气象灾害预警和智能交通控制等交叉方向研究。
附1：团队科研项目支撑
国家自然科学基金青年项目：基于微波亮温重建的积雪深度超分辨率反演研究，42305158，2024.1-2026.12，在研，主持；
无锡市“太湖之光”科技攻关计划（基础研究）项目：面向边云协同的城市交通状态感知与预测方法研究，K20231021，2023.7-2026.6，在研，主持；
中国气象局交通气象重点开放实验室开放研究基金：路域气象灾害的智能判识与快速定损技术研究，2026年度，主持；
国家自然科学基金面上项目：基于多模态数据融合与物理约束的短临强降雨预测研究，2025-2028；
企业委托项目：智能网约车平台数据安全与运营数据优化；
江苏省高校优秀科技创新团队：实时工业物联网科技创新团队，核心成员；
相关研究基础：卫星遥感图像智能解译、交通大数据时空预测、气象灾害监测预警、道路积水/缺陷检测、恶劣天气目标检测等方向论文30余篇，第一发明人授权发明专利5件，软件著作权8件。