10月19日下午13:00-15:00，院级高等讲堂于tyc8722太阳集团城（通达馆）103会议室成功举行。本次讲座的主题为：Transforming transportation network equilibrium analysis paradigm via end-to-end learning。讲座邀请了来自美国密歇根大学的殷亚峰教授为大家带来了精彩的报告。
首先，殷教授介绍了他们团队正在进行的研究项目。该项目旨在通过深度学习和博弈论的最新进展，实现交通网络平衡建模范式的转变。传统的平衡分析模式通常采用“自下而上”的组装方法，即选择旅行选择行为模型或校准供给函数，而与模型构建的最终目标，即尽可能精确地匹配观测到的平衡流量分布，相互脱节。该研究团队提出了一种端到端的框架，直接从经验数据中学习需求和/或供给方面的组成部分以及平衡状态。项目的核心在于使用深度神经网络来表示旅行选择偏好，而不是预先选择特定的行为模型。
接着，为了更好地说明他们的方法，殷教授以一个案例为例进行了讨论：一个规划机构希望开发一个用于分析高峰期交通网络的静态网络平衡模型。在这种情况下，所有OD需求和高峰期的部分或全部路段行程时间都是可观察到的。通过多日观察路段行程时间，研究团队学习了旅行者的路线选择偏好，这为规划机构提供了宝贵的参考信息。
最后，听众们积极参与讨论，殷教授详细解答参会师生的问题，探讨了交通网络平衡建模领域的未来发展方向。