胡智群，特聘副研究員，博士生导师。2018年7月结业于北京邮电大学PG电子 // 鏄庢枃杈撳嚭工程学院，获博士学位。主持/加入了国家自然科学青年基金、国家重点研发计划、北京市自然基金等项目。主要从事交通设施数字化、空天信息網絡、机械学习等领域的研究，发表高水平论文50余篇，ITU尺度和提案5余项，授权国家发现专利5余项。曾获中国通信学会科技进步二等奖、IEEE MMSP最佳算法奖等荣誉。
聯系郵箱：huzhiqun@bupt.edu.cn
研究偏向
（1）路側毫米波雷達視覺融合3D目標檢測
智能路側感知是整個智慧门路的底層基礎技術，對智慧交通的發展至關重要。路側感知硬件主要包罗攝像頭、毫米波雷達、激光雷達、雷視一體等。本項目通過融合4D成像毫米波雷達和視覺信息，實現細粒度门路特征學習與目標3D檢測和運動跟蹤。研究內容包罗：多目標檢測與跟蹤，自動路側數據集標注，外參標定，點雲處理等。
發表的論文
l(TSP’2024)3D Extended Object Tracking by Fusing Roadside Sparse Radar Point Clouds and Pixel Keypoints(Under review)
l(PRL’2023)FusionCalib: Automatic extrinsic parameters calibration based on road plane reconstruction for roadside integrated radar camera fusion sensors
l(ITSC’2023)Continuous Trajectory Tracking Across Sensors at Intersection using Dynamic Target Set within the Overlapping Area
（2）車路協同優化與控制
智慧交通以數據爲基礎，人工智能算法爲著力點，致力于實現“人-車-路-網”四位一體的智慧化整合，構建高效、宁静、綠色的智慧交通系統。本項目研究具身智能的車路協同交通系統，解決深度強化學習在實際車路協同應用面臨的環境理解差、協同優化難、域適應性弱的問題，實現車與路智能、實時、高效的協同作業，提高门路利用效率、推動交通節能減排。
發表的論文
l(TVT’24)Cooperative Optimization of Traffic Signals and Vehicle Speed Using a Novel Multi-agent Deep Reinforcement Learning
l(TITS’2023)Intersec2vec-TSC: Intersection Representation Learning for Large-Scale Traffic Signal Control
l(IET-ITS’2023)Dynamic Traffic Signal Control Using Mean Field Multi‐agent Reinforcement Learning in Large Scale Road Networks
l(TC’2021)Network-scale Traffic Signal Control via Multiagent Reinforcement Learning with Deep Spatiotemporal Attentive Network
l(Sensors’2021)Cooperative intersection with misperception in partially connected and automated traffic
(3)空天信息網絡
空天信息網絡以空间平台（如同步卫星、低轨卫星、无人飞机等）为载体，实时获取、传输和处置惩罚空间信息的网络系统，在应抢救援、导航定位、航天测控等发挥重要作用。空间信息网络的生长，受频谱和轨道等资源的制约，在全域笼罩、传输容量和协同处置惩罚等方面亟待提高。
發表的論文
l(PIMRC’2024) Coverage Analysis Under Multi-Altitude Orbits for Multi-layer Low Earth Orbit Satellite Constellations Using Stochastic Geometry
l(EAAI’2023)Reinforcement learning for energy efficiency improvement in UAV-BS access networks: A knowledge transfer scheme
l(WCNC’2020)Multi-UAV Collaborative Data Collection for IoT Devices Powered by Battery
l(Access’2020)Energy Efficient 3-D UAV Control for Persistent Communication Service and Fairness: A Deep Reinforcement Learning Approach
