上海市领军人才（海外）青年人才。研究方向为城市轨道交通线网规划与设计、城市轨道交通客流预测理论与方法，主要的代表性成果为乘客出发时刻选择与路径选择互动的城市轨道交通动态客流分配模型，以第一/通讯作者发表了高水平学术论文13篇，发表期刊包括IEEE Transactions on Intelligent Transportation Systems（IF：9.551，JCR交通科技分区Top 5）等知名期刊，多次出席TRB、WCTRS、ETC、CICTP、COMPRAIL、UTSG等国际学术会议进行汇报和论文展示，并参与“十二五”国家科技支撑计划、上海市自然科学基金、上海市科委科技攻关计划等10项科研项目。
2018-2021年期间在英国伦敦大学学院（University College London，QS2024世界大学排名第9）交通研究中心担任助理讲师（教学），是首位担任该职位的华人学者。任职期间积累了丰富的科研和教学经验，教学形式涵盖基础理论教授、实际操作应用、基于现实案例的项目设计等。注重与行业专家及各国学者的交流，目前与英国、美国、智利、希腊、日本等多国学者专家保持良好的科研和教学合作关系。现任英国高等教育学会会士（Fellow of Higher Education Academy，FHEA）,世界交通学会（World Conference on Transport Research Society, WCTRS）铁路交通专题委员会和交通与空间发展专题委员会委员、美国交通运输委员会（Transportation Research Board）客运铁路常务委员会国际委员、国际地理联合会（International Geographical Union, IGU）交通地理委员会成员，并担任Journal of Transport and Geography等一流期刊审稿人。
未来研究工作将以轨道交通智慧线网规划与设计为研究方向，以轨道交通客流预测理论及方法为抓手，致力于推进人工智能在智能轨道交通系统中的应用，构建“城市轨道交通智慧规划与设计”平台。
目前授课情况：
本科生课程 《轨道交通线路工程》 教学团队成员
研究生课程 《城市轨道交通线网规划》 课程负责人及主讲人
《交通运输工程学》 教学团队成员
《铁道工程学》（英文）教学团队成员
教育经历
2012-09至2018-06,tyc8722太阳集团城,道路与铁道工程,博士（直博）
2008-09至2012-07,tyc8722太阳集团城,交通工程,学士
工作经历
2022-08至今，tyc8722太阳集团城,tyc8722太阳集团城,特聘研究员
2018-10至2021-10，伦敦大学学院,土木环境与测绘系,助理讲师
研究方向
基于城市轨道交通的系统特征和乘客的出行行为分析，构建了乘客出发时刻选择与路径选择互动的城市轨道交通动态客流分配模型，打破了目前城市轨道交通客流分配模型多为静态模型且以网络均衡状态存在且唯一为前提的现状，可用于捕捉轨道交通网络中客流的时空分布及特征。通过与其他客流预测模型衔接，可为城市轨道交通线网规划与设计、运营组织方案调整等提供可靠的客流需求分析理论支撑，对于确定线网规划或调整方案和系统规模，制定运营组织方案，以及预判换乘站大客流安全风险等具有关键性作用。
主持及参与的科研项目
2023-08至今轨道交通线路规划与客流预测分析研究（二期），上海申通地铁集团有限公司技术中心，在研，主要参与
2023-01至2023-12上海市新一轮轨道交通网络融合、客货协同运输与综合性能监测评估研究，上海市规划和自然资源局，已结题，参与
2020-09至2022-12轨道交通线路规划与客流预测分析研究，上海轨道交通十五号线发展有限公司，已结题,主要参与
2019-08至2020-07基于大数据的城市轨道交通需求分析及预测,伦敦大学学院国际合作项目,已结题，主持
2015-09至2016-12城市轨道交通线网规划关键技术指标研究，中国城市规划设计研究院，已结题，主要参与
2015-09至2015-11上海市新一轮轨道交通网络建设专项规划（2030），上海市交通委员会，已结题，参与
2015-04至2018-03城市轨道交通TOD线路沿线土地开发合理规模确定方法，上海市科学技术委员会，已结题，主要参与
2014-10至2016-06高速磁浮交通需求预测与合理通道选择模型研究，“十二五”国家科技支撑计划子课题，已结题，参与
2013-09至2014-12东京、大阪都市圈轨道交通线网规划及客流特征分析，北京交通发展研究中心，已结题，主要参与
2010-09至2013-04上海轨道交通车站接驳交通规划方法研究与应用示范，上海市科学技术委员会，已结题，主要参与
学术期刊论文
[1]Chen H,Cheng Y*.Travel Mode Choice Prediction Using Imbalanced Machine Learning[J]. IEEE Transactions on Intelligent Transportation Systems, 2023,24(4): 3795-3808. DOI:10.1109/TITS.2023.3237681.(SCI Indexed)
[2]Cheng Y*, Ye X, Fujiyama T. How does interchange affect passengers’ route choices in urban rail transit? – a case study of the Shanghai Metro[J/OL]. Transportation Letters, 2022, 14(4): 416-426. DOI:10.1080/19427867.2021.1883803. (SCI Indexed)
[3]Wang A,Cheng Y, Nie L, et al.Railway Timetable Optimization for Air-Rail Intermodal Service[J]. Journal of Physics: Conference Series, 2021, 1972(1):12070. DOI:10.1088/1742-6596/1972/1/012070.
[4]Cheng Y*, Ye X, Fujiyama T. Identifying Crowding Impact on Departure Time Choice of Commuters in Urban Rail Transit[J/OL]. Journal of Advanced Transportation,2020, 2020. DOI:10.1155/2020/8850565.(SCI Indexed)
[5]Cheng Y, Ye X*, Wang Z. Arrival Time Valuation of Commuters in Urban Rail Transit[J/OL].Transport, 2019, 34(3): 83-393.DOI:10.3846/transport.2019.10356.(SCI Indexed)
[6]成艳,叶霞飞*,王治,等.城市轨道交通高峰时段站间起讫点矩阵预测模型[J].tyc8722太阳集团城学报(自然科学版), 2018, 46(3): 346-353.(EI Indexed)
[7]成艳,叶霞飞*.城市轨道交通出站端潜在自行车接驳分担率转移模型[J].tyc8722太阳集团城学报, 2014, 42(12): 1861-1867.(EI Indexed)
会议论文：
[1]Cheung M,Cheng Y*, Fujiyama T. A Study of Passenger Behaviour While Waiting for a Train on the Train Platform: Use of Wi-Fi Based Location Tracking Systems in Singapore[C]//Transportation Research Board 103rd Annual Meeting. Washington, D.C.: National Academy of Sciences, 2024.
[2]Ng S Y,Cheng Y, Fujiyama T. Investigating Freight Train Path Inefficiencies in View of Reduction of Carbon and Pollutant Emissions[C]//World Conference on Transport Research. Montreal, 2023.
[3]Cheng Y*, Ye X, Fujiyama T. Modelling departure time choice of commuters in urban rail transit including crowding impact[C]//University Transport Study Group 51stAnnual Meeting. Leeds, United Kingdom, 2019.
[4]Cheng Y,Ye X*, Yu Q, et al. A forecasting model of the proportion of PPR in urban mass transit system: A case study of Chongqing[C]//CICTP 2017: Transportation Reform and Change - Equity, Inclusiveness, Sharing, and Innovation -Proceedings of the 17th COTA International Conference of Transportation Professionals: Vols. 2018-Janua. 2018.(EI Indexed)
[5]Cheng Y, Ye X*, Zhou L. Forecasting the Peak-Period Station-to-Station Origin–Destination Matrix in Urban Rail Transit System: Case Study of Chongqing, China[C]//Transportation Research Board 97th Annual Meeting. National Academy of Sciences, 2018.
[6]Cheng Y, Ye X*, Wang Z. Commuter Arrival Time Value Function in Urban Rail Transit[C]// Transportation Research Board 97th Annual Meeting. National Academy of Sciences, 2018.
[7]Cheng Y, Ye X*. Optimization of efficient path selection criteria in urban rail transit passenger assignment[C]// Computers in Railways XV: Railway Engineering Design and Operation, 2016, 162: 41.
[8]Cheng Y, Ye X*, Wang Z. A forecasting model of the proportion of peak-period boardings for urban mass transit system: a case study of Osaka Prefecture[C]//Transportation Research Board 95th Annual Meeting. National Academy of Sciences, 2016.
专著：
Cheng Y,Watkins S, Anciaes P. What interventions are effective in reducing congestion? [M/OL]. Academic Press, 2024. https://www.sciencedirect.com/science/article/pii/S2543000923000367.