7月12日至13日，由中国自动化学会、全国高校综合智能交通专业联盟主办，福建理工大学、中国自动化学会综合智能交通专业委员会承办的“锐明寰旗杯”第九届全国高校智能交通创新与创业大赛全国总决赛在福建理工大学举办。大赛共有来自全国101所高校提交的812件参赛作品，其中71所高校的197件作品和20组企业项目入围决赛。经过激烈角逐，本科生赛道和研究生赛道共产生一等奖27项、二等奖63项、三等奖84项，企业赛道金奖2个，银奖6个，铜奖12个。
我校6支参赛队伍紧扣"福启智行，工创未来"主题，运用大数据、互联网、云计算等智慧技术聚焦交通运输行业痛点难点，提出兼具创新性、可行性与实用价值的优化方案，既展现较高专业水准与完成度，又凸显技术应用的深度与难度，充分彰显交大学子融合理论与实践的科技创新能力，以实际行动为智能交通发展贡献智慧与力量。最终我校参赛队全部获奖，取得历史最好成绩：全国一等奖2项、全国二等奖1项、全国三等奖2项，企业赛道全国铜奖1项。
本科生赛道
第九届全国高校智能交通创新与创业大赛一等奖
作品名称：慧眼通途-基于车联网的超视距弱势交通参与者风险识别与预警系统
团队成员：闫春阳、周鑫科、吴爽、徐泽、肖惠桐
指导老师：何永福副教授
项目介绍：本项目针对弱势交通参与者存在的监测发现难、行为预测难、及时预警难等技术瓶颈，基于车联网、计算机视觉等多种信息技术，构建了“车路云”协同架构的超视距预警感知系统。该系统从路侧和车载视角实时检测分析，通过智能手环、OBU、APP等对相关人员进行预警，并通知巡检人员处理，以降低事故发生概率和损失，实现对弱势交通参与者行迹的跟踪与预测，弥补视角盲区不足，提升交通体系安全性。
第九届全国高校智能交通创新与创业大赛三等奖
作品名称：FOCUS-车辆交通疲劳驾驶检测仪
团队成员：马天成、易炜钦、赵艺群、吴俊锋、孙浩展
指导老师：吴攀博士、刘唐志教授
项目介绍：本产品搭载压电薄膜传感器，实时精准捕捉呼吸和心跳的细微变化。借助高精度信号处理技术与先进AI算法，系统将驾驶状态精细划分为清醒、轻度疲劳、中度疲劳、深度疲劳四个等级。一旦检测到驾驶员出现疲劳或分心状态，设备将立即启动震动提醒，并联动车载音响播放舒缓音频，有效助力驾驶员恢复专注。同时，系统将实时状态数据上传至云端，供个人及车队同步监测，从而构建起从检测、干预到管理的全方位闭环守护体系。
第九届全国高校智能交通创新与创业大赛三等奖
作品名称：群智探澜—智能仿生协同内河探测系统
团队成员：王天茨、陈小月、马佳雪、程俊淞、兰子坤
指导老师：赵藤博士
项目介绍:针对内河狭窄曲折水域的探测难题，团队精心研究并设计了一款智能仿生协同内河探测系统。该系统包括搭载声呐、红外和毫米波雷达的双体船，以及仿江豚机械鱼。通过模块化程序，系统能够实现避障和巡航功能，以低干扰方式高效监测鱼群活动和水下环境，既具备隐蔽性又确保精准度。这一创新方案不仅有利于生态保护、交通管理，还为生物多样性研究提供了有力支持，为内河智慧化监测贡献了新的解决方案。
研究生赛道
第九届全国高校智能交通创新与创业大赛一等奖
作品名称：“隧道消防卫士”-基于多元信息深度学习的智能消防安全预警系统
团队成员：李豪、李世朋、罗昊、蹇秋伟、王伟
指导老师：马庆禄教授
项目介绍：本研究针对传统消防技术在隧道内响应滞后、安全风险高等痛点，成功研发了“隧道消防卫士”智能消防安全预警系统。该系统以吊轨式消防机器人为核心载体，融合多模态感知技术与深度学习算法，实现了火灾的精准检测与灵活处理。在可视化数据模式下，系统的平均检测精度高达94.41%，检测时间缩短了1.34毫秒，火焰检测精度提升了2.3%，烟雾检测精度达到93.05%，火灾识别准确率高达98%。该项目获得了政策的大力支持，有效填补了市场对轻量化、智能化消防设备的需求缺口，有力推动了隧道场景的安全升级。
第九届全国高校智能交通创新与创业大赛二等奖
作品名称：隧域而安—基于多维度的螺旋隧道入口行车分级预警系统
团队成员：徐栋浩、李其霞、袁春玲、谢德济、刘崇岭
指导老师：吴攀博士、刘唐志教授
项目介绍：本项目构建了一套基于多维度的螺旋隧道入口行车风险分级预警系统，旨在全面监测车辆运行状态（包括车速、车距、车牌及压线情况），并进行风险划分及分级干预。通过风险等级划分模型，系统评估螺旋隧道入口驾驶行为的风险等级，精准识别高危车辆，并实施针对性的分级预警干预。
企业赛道
第九届全国高校智能交通创新与创业大赛铜牌
作品名称：秒级自适应配时优化算法
团队成员：林祎晗、洪崇策、张佳薇陈、昱嵩
指导老师：马庆禄教授
项目介绍：本研究提出了一种以"秒级"控制为核心、"自适应"优化为导向的智能交通信号控制方法，创新性地融合强化学习与联邦学习技术，构建了基于深度强化学习的秒级自适应信号配时优化算法。该控制系统采用1秒为基本控制周期，通过SUMO微观交通仿真平台与TraCI接口实现与交通环境的高频交互，实时采集车道级交通参数（包括排队长度、交通流量、信号相位状态等），并基于深度强化学习策略动态优化信号灯相位切换，从而实现高响应速率的自适应信号配时控制。
