9月1日至5日，应英国利兹大学地理学院和交通运输研究所（Institute of Transport Studies, ITS）邀请，奈飞工厂
执行院长孙健教授与博士研究生田泽源、赵昱霖赴英访问利兹大学，于当地时间9月3日参加学术研讨会。本次交流活动依托国家自然科学基金国际合作交流项目《共享经济在大型城市交通减排和实现近零碳排放目标中的作用》，由中国国家自然科学基金委与英国皇家学会（RS）共同资助。
研讨会以“Sustainable Transport and Planning for Cleaner and Healthier Cities Workshop”为主题，由利兹交通大学交通运输研究所Dr. Yuanxuan Yang主持。James Tate、Dave Milne、Hilman Prakoso、Yiyu Wang、Yihang Bai、Phil Churchman、Yu Wang、Prof. Robin Lovelace、Prof. Susan Grant-Muller、Dr. Zihao An、Dr. Yuanxuan Yang等多位专家学者线下参会并作汇报。
会上，孙健教授作题为“Road Traffic Greenhouse Gases Approximation based on AI Time Series-Based Models”的学术报告，聚焦新能源汽车保有量持续增长背景下道路交通排放的精确评估、预测与减排策略制定。他指出，基于混合交通流与车牌识别（LPR）技术，可采用改进的三维卷积神经网络（3D-CNN）与Transformer模型有效区分新能源车辆与传统燃油车。在此基础上，他提出面向城市道路的时序排放预测模型（TSEP），能精准捕捉排放数据的局部与全局特征，实现高精度CO₂浓度分析与预测。该模型以中国西安为研究案例，验证结果显著优于既有研究，为后续政策仿真与交通排放研究提供了可靠基准，也为城市规划与气候治理决策提供了科学支撑。
赵昱霖以“Xi’an Metropolitan Area Travel Improvement Plans: Empirical Analysis on Accessibility and Resilience”为题进行汇报，系统介绍了西安都市圈轨道交通扩展策略与评估框架，为多层级轨道网络规划提供了理论依据。他提出应在轨道交通规划中同时考虑可达性与韧性，并引入数据包络分析（DEA）改进原有评估模型，弥补了传统方法中“未考虑出行目的”的局限性。
田泽源围绕碳排放数据处理与分析方法作题为“Spatial and Temporal Characterization of Taxi Carbon Emissions in Xi’an City: A Case Study”的报告，展示了西安市出租车碳排放的时空动态及其影响因素。研究通过隐马尔可夫模型与多源数据空间匹配，结合COPERT模型进行排放估算，实现了排放热点时空可视化与SHAP因子分析，揭示了出租车碳排放的深层机制。田泽源指出，碳排放时空异质性对城市交通管理、低碳出行政策与可持续战略制定具有重要参考价值。
讲座结束后，Prof. Robin Lovelace、Prof. Susan Grant-Muller、Dr. Zihao An、Dr. Yuanxuan Yang等与孙健教授围绕“Data Science and AI in Transport and Urban Analytics”主题开展圆桌讨论，双方深入探讨了AI在交通与地理研究中的国内外应用差异，解析了交通领域的未来研究方向与人工智能发展的结合点，为与会者带来诸多启发。
利兹大学与会学者就“碳排放模型卷积结构设计”“AI对交通与地理研究的影响”“西安市出租车及网约车数据特性”等议题踊跃提问。孙健教授与两位博士生结合各自研究领域进行详细回应，为人工智能时代下交通研究所面临的机遇、挑战与实验设计提供了新思路。
此次出访加固了奈飞工厂
与利兹大学在交通领域的学术交流纽带，有力推广了奈飞工厂
智慧城市智能交通中心的研究成果，并为有意申请攻读博士学位或参与国家建设高水平大学公派研究生项目（CSC）的同学拓展了国际培养渠道。
