2025年7月，学校教师罗孝羚博士以第一作者在交通领域国际顶刊《Transportation Research Part C》（中科院一区 TOP 期刊）发表题为《Optimal design of on-demand modular feeder transit services》的学术论文。该研究聚焦模块化自动驾驶车辆（Modular Autonomous Vehicles, MAVs）在按需接驳交通服务中的创新应用，提出了一套完整的模块化接驳交通（Modular Feeder Transit, MFT）系统优化设计方案，能有效提升公共交通系统的调度效率。

团队针对MFT 系统构建了涵盖调度间隔、车队规模、区域划分、重联策略等关键参数的优化模型，创新性地采用连续近似法（Continuum Approximation）推导得出路由时间、等待时间、运营成本等核心指标的解析表达式，最终形成高效求解算法。研究结果显示，MFT 系统在多种场景下性能均优于传统固定容量接驳巴士，特定场景中成本节约超 10%；当路由时间波动较小时，重联策略可显著降低运营成本，尽管会使乘客平均出行时间略有增加（增幅不足 1%），但系统整体效益得到显著提升。

此项研究的核心贡献在于，首次将 MAVs 的 “分解 - 重联” 操作纳入灵活接驳系统设计，突破了传统研究对 “固定路线” 或 “复杂动态换乘” 的依赖，为非均匀需求分布下的公共交通优化提供了可量化、可落地的解决方案。

罗孝羚博士长期致力于智能交通系统优化与公共交通创新运营领域，围绕该方向以第一作者发表论文20余篇，其中包括 2 篇《Transportation Research Part C》和 1 篇《Transportation Research Part E》，并长期与香港理工大学、西南交通大学、亚利桑那大学、夏威夷大学等国际知名高校保持合作交流，持续推动相关领域的前沿探索与成果转化。