代表论文
1、B. Fan, J. Xu, C. Zhou,T. Li, Z, Cui, Privacy-Constrained Edge Computing for Driver Expression Recognition: What and How to Offload? , IEEE Transactions on Intelligent Transportation Systems, vol. 27, no.6, pp. 6304-6318, 2026.
2、B. Fan, H. Xie and T. Li, "Platoon Communication Power Control Under V2V Data Uncertainty: A Robust DRL Approach," IEEE Transactions on Intelligent Transportation Systems, vol. 26, no. 12, pp. 21559-21573, Dec. 2025.
3、B. Fan, Z. Xu, Z. Li, Y. Wu and Y. Zhang, “DT Assisted Task Offloading for C-V2X Networks With Imperfect DT Prediction Conditions,” IEEE Transactions on Intelligent Transportation Systems, vol. 26, no. 5, pp. 6248-6262, May 2025.
4、B. Fan, Z. Su, Y. Chen, Y. Wu, C. Xu and T. Q. S. Quek, “Ubiquitous Control Over Heterogeneous Vehicles: A Digital Twin Empowered Edge AI Approach,” IEEE Wireless Communications, vol. 30, no. 1, pp. 166-173, February 2023.
5、B. Fan, Y. Wu, Z. He, Y. Chen, T. Q. S. Quek and C. -Z. Xu, "Digital Twin Empowered Mobile Edge Computing for Intelligent Vehicular Lane-Changing," IEEE Network, vol. 35, no. 6, pp. 194-201, November/December 2021.
研究方向
1、“孪生边缘计算”赋能的车路协同智能管控。
本研究主要解决传统基于边缘计算的车路协同系统面临的三大挑战：智能车感知范围有限、路侧单元计算能力受限、异构交通管控复杂度高。提出了数字孪生与移动边缘计算相结合解决上述问题，最终实现车路协同下的智能高效交通网络-信息网络联合管控。
2、数据驱动的自动驾驶智能控制决策。
传统基于模型的车辆控制策略受限于最优决策边界，其灵活性、扩展性和适应性有待提升，为解决上述问题，拟研究数据驱动的学习类自动驾驶微观/中观控制策略，从数据样本中提取环境特征，进而学习决策方法，包括端到端自动换道决策、基于强化学习的换道决策、基于监督学习的自动驾驶车集群控制决策等。
3、低功耗低复杂度车路通信协议与设备研发。
基于已有V2X通信协议，研发针对典型车路协同业务特征（如电子标志牌等）的低功耗低复杂度车路协同通信协议和设备。
4、基于低轨卫星遥感数据的智能感知与灾害监测技术
面向大范围森林资源监管与灾害早期预警需求，开展低轨卫星遥感数据处理、多源遥感信息融合与智能识别方法研究。围绕遥感影像特征提取、异常目标检测、火情动态感知与风险评估等关键技术，构建从空间大范围监测到重点区域精细感知的智能化灾害监测体系。
5、基于无人机的智能巡护与应急协同技术
面向复杂环境下灾害精细化感知与现场处置需求，开展无人机自主巡检、智能目标识别、三维场景构建与辅助决策技术研究。通过融合人工智能、空间信息技术与应急管理方法，实现由宏观遥感监测向低空精细巡护、现场态势感知和智能协同处置的技术演进。
