專利名稱：基于車輛自動識別設(shè)備的動態(tài)od矩陣估計(jì)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于交通 規(guī)劃與管理領(lǐng)域，具體涉及一種基于車輛自動識別設(shè)備的動態(tài)OD 矩陣估計(jì)方法。
背景技術(shù)：
車輛出行OD矩陣是交通系統(tǒng)規(guī)劃、設(shè)計(jì)及運(yùn)行管理的核心基礎(chǔ)信息。OD信息的精度直接影響城市交通管理者，交通規(guī)劃工程技術(shù)人員對于交通現(xiàn)狀以及未來交通可能出現(xiàn)情況的準(zhǔn)確判斷，并因此會直接影響交通管理措施的有效性、交通規(guī)劃的合理性。因此精確的OD矩陣無論對于城市交通管理人員以及城市交通規(guī)劃人員的最終決策與依據(jù)是至關(guān)重要的。車輛出行OD矩陣是描述交通網(wǎng)絡(luò)中任意車輛從起點(diǎn)到達(dá)終點(diǎn)的一組數(shù)學(xué)矩陣， 它直接反應(yīng)了不同小區(qū)之間出發(fā)車輛數(shù)與到達(dá)車輛數(shù)。然而OD矩陣的獲取一直以來都是交通管理與控制中的一個難點(diǎn)問題。傳統(tǒng)的OD矩陣的獲取方法通常是進(jìn)行大規(guī)模的車輛出行抽樣調(diào)查，然而這種方法存在調(diào)查技術(shù)困難、經(jīng)費(fèi)花費(fèi)巨大、耗費(fèi)時間長等缺點(diǎn)，并且獲得的交通數(shù)據(jù)存在后期處理繁瑣并且不能應(yīng)用于城市交通的動態(tài)管理。因此為了避免傳統(tǒng)OD矩陣獲取方法中存在的問題，自1978年開始，Van Zuylen和Willumsen利用布設(shè)在道路中的檢測線圈獲得的車輛流量數(shù)據(jù)進(jìn)行OD矩陣估計(jì)方法的研究。截止目前為止，OD 矩陣的估計(jì)方法主要包含了最小二乘法、狀態(tài)空間法、信息論模型等類型。然而這些方法受到檢測手段的制約與限制，僅僅利用了檢測器中的路段車輛流量數(shù)據(jù)作為研究的主要分析數(shù)據(jù)，因此應(yīng)用傳統(tǒng)的“斷面型”檢測器進(jìn)行OD矩陣估計(jì)受到人為假設(shè)條件過多，檢測信息少，檢測設(shè)備精度低等條件的嚴(yán)重制約。近年來，隨著車輛自動識別(Automatic Vehicle Identification，AVI)技術(shù)及設(shè)備在我國一線城市的推廣與應(yīng)用，交通信息采集技術(shù)已經(jīng)迅速從傳統(tǒng)的“斷面型”檢測技術(shù)轉(zhuǎn)向“廣域型”檢測技術(shù)。車輛自動識別技術(shù)的核心是可檢測車輛ID (車牌號)、通過時間以及車輛位置信息?；趯ΜF(xiàn)有的文獻(xiàn)資料進(jìn)行研究，目前基于車輛自動識別技術(shù)進(jìn)行OD 矩陣估計(jì)的方法都僅僅是傳統(tǒng)OD矩陣估計(jì)方法的一種改進(jìn)。這些傳統(tǒng)方法存在如下的問題與挑戰(zhàn)
(1)對于AVI環(huán)境下的動態(tài)OD估計(jì)，目前的方法仍然是通過對經(jīng)典OD估計(jì)模型進(jìn)行改進(jìn)，加入新的AVI檢測信息來提高OD估計(jì)精度。事實(shí)上，AVI檢測的路徑信息對OD估計(jì)的精度至關(guān)重要。(2)0D估計(jì)不僅與網(wǎng)絡(luò)拓?fù)洌范瘟髁肯嚓P(guān)，還與先驗(yàn)信息的精度有密切的關(guān)系， 以往的研究通常都假設(shè)已獲得可靠的先驗(yàn)信息來推算0D，而實(shí)際中由于OD調(diào)查間隔長，先驗(yàn)OD信息往往精度不高。(3)在基于AVI檢測信息的OD估計(jì)中，沒有考慮AVI檢測精度問題。 發(fā)明內(nèi)容
本發(fā)明的目的在于針對傳統(tǒng)動態(tài)OD矩陣估計(jì)方法的研究與技術(shù)中存在的不足， 特別是針對AVI信息挖掘深度不足，先驗(yàn)信息依賴性過強(qiáng)的問題，提出了一種新的基于車輛自動識別設(shè)備的動態(tài)OD矩陣估計(jì)方法。本方法具有以下四個特點(diǎn)一、突破了傳統(tǒng)方法中僅依賴路段流量和行程時間作為OD估計(jì)的主要信息；二、提出檢測器的可測性判據(jù)，特別適用于AVI檢測設(shè)施客觀存在的檢測精度問題；三、對于路網(wǎng)拓?fù)浣Y(jié)構(gòu)沒有要求，可以適用于任何形式的開放式路網(wǎng)；四、 解決了傳統(tǒng)方法對先驗(yàn)信息的依賴，即可以在隨機(jī)的先驗(yàn)信息下推算出較高精度的0D。為達(dá)到以上目標(biāo)，本發(fā)明提出了基于車輛自動識別設(shè)備的動態(tài)OD矩陣估計(jì)方法。 首先將每個估計(jì)時段內(nèi)的各個檢測設(shè)備中獲得的車輛牌照數(shù)據(jù)，車輛到達(dá)時刻數(shù)據(jù)，檢測器編號進(jìn)行提??；接著將提取獲得的數(shù)據(jù)以車輛牌照數(shù)據(jù)為依據(jù)進(jìn)行數(shù)據(jù)分類，根據(jù)車輛牌照數(shù)據(jù)與檢測器編號轉(zhuǎn)換成車輛部分路徑信息，并根據(jù)車輛部分路徑信息的組成方式進(jìn)行數(shù)據(jù)分類；然后以先驗(yàn)OD信息為基礎(chǔ)，同時根據(jù)檢測器的布設(shè)位置，基于檢測器可測性判據(jù)減少可選剩余路徑的范圍并對剩余路徑的選擇概率進(jìn)行修正；進(jìn)一步采用隨機(jī)仿真的方法模擬車輛的實(shí)際路徑選擇的過程，以獲得車輛的完整路徑；并對采集獲得的所有車輛的路徑修復(fù)完整后獲得初始的OD矩陣，最后結(jié)合AVI檢測獲得的路段流量進(jìn)行初始OD矩陣再修正。上述方法提到的AVI可測性(Measurability)概念定義為基于AVI檢測信息數(shù)據(jù)缺失的特點(diǎn)和已檢測車輛的動態(tài)行程時間信息，分析判斷車輛經(jīng)過某一路徑的可能性。 根據(jù)可測性判據(jù)的結(jié)果，可大大縮小車輛剩余路徑的選擇范圍，提高車輛剩余路徑判斷的可靠性進(jìn)而大幅提高動態(tài)OD估計(jì)的精度。具體步驟如下
(I)AVI信息數(shù)據(jù)的提取與分類
將AVI獲得的信息以車輛牌照數(shù)據(jù)作為索引數(shù)據(jù)，將車輛牌照信息相同的數(shù)據(jù)進(jìn)行匹配組合，并根據(jù)任一相同車輛牌照的信息量將車輛信息分為以下3大類1、包含車輛起點(diǎn)， 終點(diǎn)以及經(jīng)過的所有路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑全知型車輛數(shù)據(jù)；2、至少包含車輛的經(jīng)過的兩個路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑半知型車輛數(shù)據(jù)；3、僅包含車輛經(jīng)過的一個路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑單知型車輛數(shù)據(jù)。(2)先驗(yàn)信息的擴(kuò)樣
以AVI捕獲的車輛數(shù)為基礎(chǔ)，將先驗(yàn)信息根據(jù)實(shí)際捕獲的車輛數(shù)進(jìn)行擴(kuò)樣處理。(3)過濾路徑全知型車輛數(shù)據(jù)
將路徑全知型的車輛數(shù)據(jù)轉(zhuǎn)換成OD矩陣信息，并將此OD矩陣信息與擴(kuò)樣后的先驗(yàn)信息進(jìn)行相減(若先驗(yàn)信息中對應(yīng)的OD對流量小于0，則賦予一個最小流量1 )，獲得過濾后的先驗(yàn)OD信息。(4)估計(jì)時段內(nèi)的路徑行程時間
根據(jù)不同AVI的布設(shè)信息，將任意相鄰兩組AVI經(jīng)過的車輛的行程時間進(jìn)行統(tǒng)計(jì)獲得其平均行程時間；另外根據(jù)不同車輛行程時間分布，基于概率論的原理，建立AVI行程時間概率分布函數(shù)，并通過此函數(shù)分析其余車輛未經(jīng)過這兩組AVI檢測器的可能性；接著通過路段_路徑行程時間關(guān)系函數(shù)，獲得路徑的行程時間，并將此作為判斷車輛是否在估計(jì)時段內(nèi)進(jìn)入路網(wǎng)的判據(jù)。(5)路徑半知型車輛的路徑估計(jì)將路徑半知型車輛缺失的部分路徑按行車方向劃分為上游缺失路徑與下游缺失路徑。根據(jù)不同的缺失路徑，參照檢測器可測性依據(jù)，通過貝葉斯估計(jì)算法，縮小任意車輛可選缺失路徑搜索范圍。并在過濾先驗(yàn)OD信息的基礎(chǔ)上將可能路徑的選擇概率進(jìn)行修正； 最后通過蒙特卡洛隨機(jī)仿真對任意車輛在其可選路徑中作出路徑選擇，并以此進(jìn)行路徑修復(fù)。已獲得的任意一組路徑半知型車輛的路徑信息，可通過路徑行程時間，判斷車輛進(jìn)入路網(wǎng)的時間和離開路網(wǎng)的時間。(6)先驗(yàn)OD信息的二次過濾
將修復(fù)后的路徑半知型數(shù)據(jù)轉(zhuǎn)換成OD矩陣信息，并將此OD矩陣信息與擴(kuò)樣后的先驗(yàn)信息進(jìn)行相減(若先驗(yàn)信息中對應(yīng)的OD對流量小于0，則賦予一個最小流量1)。接著根據(jù)剩余的路徑單知型車輛數(shù)進(jìn)行二次擴(kuò)樣，最終獲得二次過濾后的先驗(yàn)OD信息。(7)路徑單知型車輛的路徑估計(jì)
路徑單知型車輛路徑估計(jì)的方法與路徑半知型車輛路徑估計(jì)的方法相似，具體可參見路徑半知型車輛路徑估計(jì)方法，并以此得到單知型車輛信息的OD矩陣信息。(8)初始修復(fù)OD矩陣獲得
將前面3類得到的OD矩陣信息進(jìn)行累加以獲得初始修復(fù)OD矩陣。(9)基于流量調(diào)整初始修復(fù)OD矩陣信息
將初始修復(fù)的OD矩陣信息與AVI信息截取的路段流量數(shù)據(jù)根據(jù)路段一路徑流量函數(shù)關(guān)系進(jìn)行動態(tài)漫步擬合。當(dāng)路徑流量與路段實(shí)測流量相對誤差為5%時，停止漫步擬合，并以此為最終的OD矩陣信息。本發(fā)明中，步驟(5)中所述路徑半知型車輛的路徑估計(jì)和步驟(7)中路徑單知型車輛的路徑估計(jì)，具體為
當(dāng)某一車輛有充足時間到達(dá)下一個路段檢測器，但車輛的路徑信息卻不包含下一路段檢測器時，存在下述情況中的任一種
(1)、車輛通過下一路段，但由于檢測誤差而沒有被記錄；
(2)、車輛沒有經(jīng)過布設(shè)檢測器的路段，直接到達(dá)無檢測器布設(shè)的路段；
對車輛的可能剩余路徑，依據(jù)先驗(yàn)信息建立初始的路徑選擇概率集，
萏flCqz^^qrj^/^q^j…然后根據(jù)下式分析車輛能否在本時段內(nèi)通過下一路段，并以此縮小對剩余路徑的選擇范圍；
Ti
f_ Λ Affl-ilH'a γ. ο
ln\-n'A = —τΧ ltNl-Nl + Pα )
^ AYII-AVI 2
M * ·
ρ ( ) = iJ-L(1.2)
N
Τξ =andS >^(i+l))kn+αα 3)
其中:表示任意兩個AVI之間的行程時間； Thn-jmi 表示第i輛車經(jīng)過任意相鄰AVI檢測器的時間；L狐皿表示任意兩個相鄰AVI檢測器之間的距離；表示兩個AVI檢測器之間所在的兩個節(jié)點(diǎn)之間的距離； β 表示行程時間計(jì)算中的隨機(jī)誤差。Pk(f)表示h時段內(nèi)，通過兩個AVI檢測器的第i個行程時間區(qū)間的選擇概率； Af 表示h時段內(nèi)，通過兩個AVI檢測器的第i個行程時間區(qū)間的車輛數(shù)；
Nk 表示h時段內(nèi)，通過兩個AVI檢測器的車輛總數(shù)；
Ti 表示h時段內(nèi)，編號為j的車輛通過兩個AVI檢測器的行程時間；
Tsm 表示h時段內(nèi)，根據(jù)兩個AVI檢測器檢測車輛平均行程時間；
S 表示隨機(jī)概率數(shù)值； η 表示時間區(qū)間長度，即單位時間長度；
麥?zhǔn)居?jì)算的隨機(jī)誤差； 對于可以選擇的剩余路徑，依據(jù)下式重新修訂剩余路徑的選擇概率，獲得新的路徑選擇概率集；
ρ( ) ι ρ爪+h <h+“)11 Im χ 1 Γ ρ'α) 1
=P(2) M IfiTi + ,_β <h + M.f I Ρ(2)χε]2 = P (2) ^ )
—桐」[IfiTi + 3_/Μ < Λ + Δ )"」Lp(n) χ ε''η J L^pl ( ) J
「_] Im-^i >hf Lp(I)X^1 ρ* (1)1
J χ IfiTi -tk2_t >hf Μ 尸(2) χ 產(chǎn) \\θ'(2) (22>
L_」|_剛、—一)"」|_ρ(·一」[·)]
_ 表示下游行駛方向中第η組缺失路徑的先驗(yàn)信息；
_ 表示上游行駛方向中第η組缺失路徑的先驗(yàn)信息； 於表示第η組缺失路徑下游行駛方向中符合可測條件的AVI檢測器共有j組； fe 表示第η組缺失路徑上游行駛方向中符合可測條件的AVI檢測器共有k組； Ts 表示在車輛i最后一次被檢測到的時刻； Γ；表示在車輛i第一次被檢測到的時刻； h 表示估計(jì)時段的開始時刻； Δ 表示估計(jì)時段的長度。與現(xiàn)有技術(shù)相比，本發(fā)明突破了傳統(tǒng)意義上以路段流量作為動態(tài)OD估計(jì)主要信息依據(jù)的缺陷，通過以車輛的微觀路徑修復(fù)作為動態(tài)OD估計(jì)的主要手段，以路段流量信息為輔助修正手段，使得AVI信息得到充分利用。該方法同時能非常好的適應(yīng)任何開放性路網(wǎng)，而且能在較低AVI覆蓋率條件下改良精度較低的OD先驗(yàn)信息。這對于國內(nèi)OD調(diào)查信息不足、精度不高的實(shí)際具有相當(dāng)重要的現(xiàn)實(shí)意義，在我國交通管理與控制實(shí)際中有非常廣闊的應(yīng)用空間。


圖1為本發(fā)明提出的動態(tài)OD矩陣估計(jì)方法流程圖。圖2為本發(fā)明提出的基于可測性判據(jù)的開放性路網(wǎng)的路徑修復(fù)示意圖。圖3為本發(fā)明實(shí)施例1采用的路網(wǎng)圖。圖4為本發(fā)明實(shí)施例1中在較低精度覆蓋率與先驗(yàn)信息前提下的OD矩陣估計(jì)結(jié)果示意圖。圖5為本發(fā)明實(shí)施例1中對精度較低的初始OD的改良效果示意圖。
具體實(shí)施例方式下面結(jié)合附圖3對本發(fā)明的實(shí)施例作詳細(xì)說明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式和具體的操作過程，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。實(shí)施例1 本估計(jì)方法用于圖3所示的某地速路系統(tǒng)，該快速路系統(tǒng)共有17個出入口以及9個斷面的AVI設(shè)備，其中被AVI設(shè)施實(shí)際覆蓋可檢測的OD對的個數(shù)為216組， 占全體OD對個數(shù)的74. 74%。需要的設(shè)備輸入在道路斷面或匝道出入口布設(shè)AVI視頻檢測器。所要求獲得輸入信息識別后的車輛牌照信息，車輛到達(dá)時刻，AVI檢測器編號。在獲取上述輸入信息后，以某路徑半知型車輛數(shù)據(jù)的路徑修復(fù)為例，按照圖2修復(fù)任意車輛的行駛路徑，步驟如下
(1) 當(dāng)已知車輛牌照為A的車輛分別通過編號為AVI1和AVI4的時候，分別可以獲取車輛A在這兩組檢測器的到達(dá)時間T1和T4。并根據(jù)路網(wǎng)的拓?fù)浣Y(jié)構(gòu)，分析車輛A的可選剩余路徑并以不同路徑的先驗(yàn)信息對其進(jìn)行標(biāo)定《尺q馬λΛ ΑΧΑ Α)乃qq))。(2) 通過路徑行程時間函數(shù)計(jì)算車輛A到達(dá)AVI3的行程時間。
權(quán)利要求
1. 一種基于AVI檢測設(shè)備的動態(tài)OD矩陣估計(jì)算法，其特征在于具體步驟如下(1) AVI信息數(shù)據(jù)的提取與分類將AVI獲得的信息以車輛牌照數(shù)據(jù)作為主要索引數(shù)據(jù)，將車輛牌照信息相同的數(shù)據(jù)進(jìn)行匹配組合，并根據(jù)任一相同車輛牌照的信息量將車輛信息分為以下3大類①、包含車輛起點(diǎn)，終點(diǎn)以及經(jīng)過的所有路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑全知型車輛數(shù)據(jù)；②、至少包含車輛的經(jīng)過的兩個路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑半知型車輛數(shù)據(jù)；③、僅包含車輛經(jīng)過的一個路徑節(jié)點(diǎn)的數(shù)據(jù)稱為路徑單知型車輛數(shù)據(jù)；(2)先驗(yàn)信息的擴(kuò)樣以AVI捕獲的車輛數(shù)為基礎(chǔ)，將先驗(yàn)信息根據(jù)實(shí)際捕獲的車輛數(shù)進(jìn)行擴(kuò)樣處理；(3)過濾路徑全知型車輛數(shù)據(jù)將路徑全知型車輛數(shù)據(jù)轉(zhuǎn)換成OD矩陣信息，并將此OD矩陣信息與擴(kuò)樣后的先驗(yàn)信息進(jìn)行相減，若先驗(yàn)信息中對應(yīng)的OD對流量小于0，則賦予一個最小流量1，進(jìn)而獲得過濾后的先驗(yàn)OD信息；(4)估計(jì)時段內(nèi)的路徑行程時間根據(jù)不同AVI的布設(shè)信息，將任意相鄰兩組AVI經(jīng)過的車輛的行程時間進(jìn)行統(tǒng)計(jì)獲得其平均行程時間；根據(jù)不同車輛行程時間分布，基于概率論模型，建立AVI行程時間概率分布函數(shù)，并通過此函數(shù)分析其余車輛未經(jīng)過這兩組AVI檢測器的可能性；接著通過路段-路徑行程時間關(guān)系函數(shù)，獲得路徑的行程時間，并將此作為一個判斷車輛是否在估計(jì)時段內(nèi)進(jìn)入路網(wǎng)的判據(jù)；(5)路徑半知型車輛的路徑估計(jì)將路徑半知型車輛缺失的部分路徑按行車方向劃分為上游缺失路徑與下游缺失路徑；根據(jù)不同的缺失路徑，參照檢測器可測性依據(jù)，通過貝葉斯估計(jì)算法，對任意車輛的可選缺失路徑迅速縮小搜索范圍，并在過濾先驗(yàn)OD信息的基礎(chǔ)將可能路徑的選擇概率進(jìn)行修正；最后通過蒙特卡洛隨機(jī)仿真對任意車輛在其可選路徑中作出路徑選擇，并以此進(jìn)行路徑修復(fù)；已獲得的任意一組路徑半知型車輛的路徑信息，通過路徑行程時間，判斷車輛進(jìn)入路網(wǎng)的時間和離開路網(wǎng)的時間；(6)先驗(yàn)OD信息的二次過濾將修復(fù)后的路徑半知型數(shù)據(jù)轉(zhuǎn)換成OD矩陣信息，并將此OD矩陣信息與擴(kuò)樣后的先驗(yàn)信息進(jìn)行相減，若先驗(yàn)信息中對應(yīng)的OD對流量小于0，則賦予一個最小流量1，同時根據(jù)剩余的單知型車輛數(shù)進(jìn)行二次擴(kuò)樣，最終獲得二次過濾后的OD信息； (7)路徑單知型車輛的路徑估計(jì)路徑單知型車輛路徑估計(jì)的方法與路徑半知型車輛的路徑估計(jì)的方法相似，根據(jù)步驟 (5)的路徑半知型車輛路徑估計(jì)方法，并以此得到單知型車輛信息的OD矩陣信息；(8)初始修復(fù)OD矩陣獲得將前面3類得到的OD矩陣信息進(jìn)行累加以獲得初始修復(fù)OD矩陣； (9)基于流量調(diào)整初始修復(fù)OD矩陣信息將初始修復(fù)的OD矩陣信息與AVI檢測的路段流量信息根據(jù)路段一路徑流量函數(shù)關(guān)系進(jìn)行動態(tài)漫步擬合；當(dāng)路徑流量與路段實(shí)測流量相對誤差為5%時，停止漫步擬合，并以此為最終的OD矩陣信息。
2.根據(jù)權(quán)利要求1所述的基于AVI檢測設(shè)備的動態(tài)OD矩陣估計(jì)方法，其特征在于步驟 (5)中所述路徑半知型車輛的路徑估計(jì)和步驟(7)中路徑單知型車輛的路徑估計(jì)，具體為 當(dāng)某一車輛有充足時間到達(dá)下一個路段檢測器，但車輛的路徑信息卻不包含下一路段檢測器時，存在下述情況中的任一種(1)、車輛通過下一路段，但由于檢測誤差而沒有被記錄；(2)、車輛沒有經(jīng)過布設(shè)檢測器的路段，直接到達(dá)無檢測器布設(shè)的路段；對車輛的可能剩余路徑，依據(jù)先驗(yàn)信息建立初始的路徑選擇概率集， 《卿秘即秘職 )…!^,))，然后根據(jù)下式分析車輛能否在本時段內(nèi)通過下一路段，并以此縮小對剩余路徑的選擇范圍；
全文摘要
本發(fā)明屬于交通規(guī)劃與管理領(lǐng)域，具體涉及一種基于車輛自動識別設(shè)備的動態(tài)OD矩陣估計(jì)方法。該方法引入AVI檢測的部分路徑信息、動態(tài)行程時間信息以及檢測器可測性判據(jù)，首先通過貝葉斯估計(jì)算法對路徑缺失的車輛信息進(jìn)行缺失路徑范圍確定和選擇概率修正；然后利用蒙特卡洛隨機(jī)仿真模擬任意車輛對缺失路徑的選擇，進(jìn)而獲得基于個體車輛部分路徑的初始修復(fù)OD矩陣；最后運(yùn)用AVI檢測的流量信息校正初始修復(fù)OD矩陣，得到最終的OD矩陣估計(jì)值。通過本發(fā)明的技術(shù)可以克服傳統(tǒng)方法中僅考慮路段流量和行程時間信息，對先驗(yàn)信息的依賴性高以及未考慮檢測精度等方面的不足。
文檔編號G08G1/017GK102289932SQ20111016320
公開日2011年12月21日 申請日期2011年6月17日 優(yōu)先權(quán)日2011年6月17日
發(fā)明者倪穎, 馮羽, 唐克雙, 孫劍, 李克平 申請人:同濟(jì)大學(xué)