近日，2025年（第十一届）全国大学生统计建模大赛国赛答辩赛在辽宁省大连市圆满收官。交通学院共有3支参赛队伍成功入围国赛答辩赛，包揽了同济大学在本届大赛中的所有国赛答辩席位。经过激烈角逐，3支队伍凭借出色表现脱颖而出，均荣获全国一等奖。一等奖总数位列全国高校第二、上海赛区高校第一，创下我院在该项赛事中的历史最佳成绩!
全国大学生统计建模大赛是“全国普通高校大学生竞赛入榜赛事”，教育部认可的84项全国大学生A类学科竞赛之一。本届赛事以“统计创新应用 数据引领未来”为主题，旨在推动大数据时代统计人才的创新培养，提高大学生数据挖掘、数据分析、运用统计方法及计算机技术处理数据的能力，本年度共吸引来自全国967所高校的49516支队伍报名参赛，参赛规模创历届新高。
交通学院始终坚持构筑“学术-实践-创新”协同推进的“同路人”三全育人平台，注重以高水平科创竞赛为牵引、以深厚学科底蕴为根基、以扎实数理基础为支撑、以智能学科交叉为路径，系统化巩固学生数理、信息等多学科的基础知识，强化多学科理论方法融会贯通，聚焦实际交通场景的创新应用。此次赛事的历史性突破，正是我院人才培养理念与扎实育人成效的有力印证。
2025年（第十一届）
全国大学生统计建模大赛国赛答辩赛
数映碳迹——基于CNN-LSTM-Attention 的端到端道路交通碳污排放预测模型
针对碳污排放的时空关联性，本研究提出CNN-LSTM-Attention端到端预测框架，突破传统分阶段建模的模块化缺陷：CNN提取道路污染局部空间特征；LSTM捕获气象条件与污染浓度的时间关联效应；引入自注意力机制聚焦关键时空节点，实现特殊交通场景下的预测鲁棒性提升。模型验证结果表明，相比于现有模型，本模型解释性和预测准确性均显著提升，平均R2上升14.5%，MSE误差下降67.4%。在模型训练的基础上，对碳污排放进行预测，识别污染热点。此外，本研究还引入SHAP特征重要性分析方法，对碳污排放热点进行溯源。本研究可为城市交通污染精准管控、车路协同系统排放网络优化提供有力支持，助力“双碳”目标下的智能交通治理体系构建。
2025年（第十一届）
全国大学生统计建模大赛国赛答辩赛
“换”醒城市·点“站”未来——考虑外卖骑手异质性换电行为的换电站选址优化模型
针对即时配送行业电动自行车续航与配送强度不匹配的问题，本研究提出了一种换电需求预测与换电站选址的集成方法。通过GMM-MDU模型对骑手行为进行分析，并基于订单数据重构出行链以预测换电需求，进而建立了一个以总成本和碳排放最小化为目标的多目标规划模型，并采用NSGA-II算法进行求解。算例表明，该优化方案较现实方案在成本和碳排放量两个目标上都显著下降。本研究可为换电设施的科学规划提供决策支持。
2025年（第十一届）
全国大学生统计建模大赛国赛答辩赛
基于GTWR改进XGBoost（GTWR-XGBoost）的共享微出行时空变化特征及建成环境驱动因素分析
本研究基于合肥市共享单车和电单车一周出行数据，分析共享微出行的时空分布特征，提出了时空地理加权回归（GTWR）与极限梯度提升（XGBoost）模型相结合的混合预测方法（GTWR-XGBoost）。通过创新性地集成时空加权与机器学习模型，研究提高了预测精度并揭示了建成环境因素对出行模式的影响，指出地铁站点可达性和就业密度是最重要的预测变量。最后基于研究结果提出了车辆调度与建成环境干预政策，为共享微出行的可持续发展提供了理论支持和实践指导。
祝贺所有获奖团队！
同济交通学子
握统计建模智慧密钥，启智能交通无垠天地
今朝硕果，铭刻求索之志；
明日新程，挥毫济世华章！