王恬格

助理教授，博导，硕导，磁浮中心系统规划与轨道技术研究室

办公地址：同心楼514

电话

69580247

邮箱

wangtiange@tongji.edu.cn

个人简介

王恬格博士于2018年本科毕业于南京大学，2022年博士毕业于香港城市大学数据科学学院。2023年入选上海领军（海外）青年项目，于11月入职同济大学担任助理教授，并加入高速磁浮运载技术全国重点实验室。

研究方向：王恬格博士专注于高速轨道交通安全性检测的大数据与计算机智能算法研究。目前课题组的子课题包括：

（1）    基于图像识别的轻量化轨道检测研究与半监督缺陷分割研究

（2）    基于传感器数据的轨道稀缺异常诊断研究

（3）    基于文本数据的轨道故障识别与维护预测框架研究

加入课题组后你能得到：

（1）    指导方式一：对于有独立研究兴趣的同学，我会提供宏观指导，让你在轨道交通诊断相关的前沿领域中自由探索，管理自己的项目。我们可以一周讨论一次，我会全力提供资源、技术支持，并确保课题顺利推进。

（2）    指导方式二：对于希望获得更多帮助的同学，我会提供具体的研究思路、实验设计和论文写作指导，帮助你快速适应科研节奏，提升学术能力。必要时，我们可以一周多次讨论，手把手带你成长。

（3）    前沿的研究方向：轨道检测与异常诊断涉及人工智能、图像识别、半监督学习、数据分析等热门领域，是智能轨道交通系统的重要支撑。

（4）    广阔的发展平台：课题组与国内外高校及科研机构保持紧密合作，优秀学生有机会申请联合培养、海外访问等项目。

（5）    （最重要的是）支持与自由并重：课题组的氛围宽松而充满学术支持，鼓励创新，尊重个体发展，有利于身心健康与职业成长。

招生要求：

（1）    专业背景：计算机、人工智能、数据科学、交通工程、机械工程等相关领域（本科或硕士均可）。

（2）    基础能力：善于独立思考和解决问题；熟练掌握Python编程，有较好的代码实现能力；熟悉图像处理、机器学习或时序数据分析等相关算法和工具。

（3）    加分项：有图像分割、半监督学习、时空数据分析、传感器数据处理等相关项目经验；或熟练使用TensorFlow、PyTorch、OpenCV等常用框架。

教育经历

·       2018.9-2022.10，香港城市大学，数据科学学院，博士

·       2014.9-2018.6，南京大学，工程管理学院，学士

工作经历

·       2024.9-至今，同济大学交通学院，助理教授

·       2023.11-2024.8，同济大学铁道与城市轨道交通研究院，助理教授

·       2023.4-2023.7，香港城市大学深圳研究院，副研究员

·       2022.10-2023.3，香港城市大学，先进设计与系统工程，博士后

研究成果

·       2025.05-2028.04上海市自然科学基金青年项目：高速磁浮轨道异常跨模态感知与动态预警方法研究，在研，主持

·       2025.03-2027.02安徽省交通基础设施智能检测与诊断重点实验室开放基金课题：少量缺陷样本条件下桥梁缺陷高效检测技术，在研，主持

·       2025.01-2029.12国家自然科学基金重点项目：600km/h速度级高速磁浮系统车-磁-轨长期服役性能及协同优化关键技术，在研，参与

·       2025.04-2025.11中央高校基本科研业务费专项基金：轨道交通异常检测关键技术研究，在研，主持

·       2024.04-2024.11中央高校基本科研业务费专项基金：轨道健康状态智能监测与预测自主巡检系统研究，结题，主持

·       2023.1-2025.12铁路轨道外部健康状态检测与预测分析，上海市领军人才（海外）青年人才项目，在研，主持

获奖情况

·       2025荣获2025年上海市交通工程学会科学技术奖特等奖

·       2023入选第十五批上海市海外高层次青年人才计划

·          2018-2022      香港博士研究生奖学金

发表刊物

五篇代表论文：

·       T.   Wang,   Z. Zhang*, K. L. Tsui (2022). A Deep Generative Approach for Rail Foreign   Object Detections via Semi-supervised Learning. IEEE Transactions on   Industrial Informatics. (SCI一区top)

·       T.   Wang,   Z. Zhang*, F. Yang, K. L. Tsui (2022). Automatic Rail Component Detection   Based on AttnConv-Net. IEEE Sensors Journal, 3, 2379-2388. (SCI二区top)

·       L.   Zhuang, H. Qi, T. Wang*, Z. Zhang* (2022). A Deep Learning Powered   Near Real-time Detection of Railway Track Major Components: A Two-stage   Computer Vision Based Method. IEEE Internet of Things Journal. (SCI一区top)

·       T.   Wang,   Z. Zhang*, K. L. Tsui (2023). PFFN: Periodic Feature-Folding Deep Neural   Network for Traffic Condition Forecasting. IEEE Internet of Things Journal.   (SCI一区top)

·       T.   Wang,   Z. Zhang*, K. L. Tsui (2023). CAMV: A Crash Alarm Model for Vehicles Based on   Internet of Vehicles Data. IEEE Transactions on Intelligent Transportation   Systems. (SCI一区top)