在科研方面主要围绕融合网络中的网络协同计算方向，开展计算机科学与技术、人工智能技术、信息通信交叉领域的关键技术研究。

1、基于群体智能的融合网络服务技术

融合网络服务特别是车联网服务主要基于群体智能决策，是一种面向多智能化车、路协同的新型网络服务，主要利用多代理深度强化学习、博弈机器学习等新兴大数据与人工智能技术与手段，研发新型融合网络与服务体系、群体智能服务模型、智能驾驶与智慧城市领域应用，解决无人驾驶/高级辅助驾驶、智能路侧单元、智能网络设备等个体智能化之后所面临的多智能体协同控制问题。

主要研究成果是基于群体智能的车联网服务支撑技术：车联网中的多车、车路协同控制问题是融合网络控制技术的延伸，其核心关键技术是物理空间中的车辆实体与信息空间中的认知、决策计算功能之间的协同控制问题。

本人于2012年开始，将融合网络协同控制技术扩展到车辆群体协同、车路协同、智能化协同驾驶服务场景。先承担了2012年国家863项目课题“面向新型商业模式的电动汽车技术支撑体系支撑设备研发及示范”（2012AA111601），解决了电动汽车有序充电的协同路线规划与推荐问题。其后，开始基于群体智能计算模型，对多车终端智能、多路侧边缘智能及云端智能构成的复杂群体智能计算模型进行了长期深入研究。2014年，本人首次提出一种人车协同控制模型，基于信息空间群智协同的虚拟车（VV：Virtual Vehicle）概念，建立了“端-边缘-云”的群体智能计算框架，并通过多虚拟车的群体协同完成环境信息采集、数据卸载等车联网服务。在此基础上，本人作为子课题负责人承担了2016年国家科技重大专项“5G 支持ICT 融合自动驾驶的关键技术研发与验证”（2016ZX03001025-003），基于群体智能计算模式实现路网中群体车辆的行驶状态、路网状态的认知与重建工作。

针对以5G为基础的未来C-V2X网络，本人进一步针对“端-边-云”框架中的交通资源、通信资源、计算资源的联合认知、调度、决策关键技术展开研究。包括，在5G I2V环境下，基于改进的深度学习模型进行交通态势和负载态势的联合认知，并在态势认知基础上平衡5G C-V2X网络负载。考虑5G C-V2X支持下的交通环境中，车辆个体的动态选路决策与交通状态变化存在的复杂耦合，及传统多智能代理自组织演化博弈方法难以考虑个体差异和调度目标，难以获得较优解的问题，进一步扩展群体智能的计算模型，通过建立一种基于博弈深度强化学习的多智能体协同演化方法，实现多智能体群体决策与全局态势的均衡，以满足跨层协同控制，并获得了2018年度国家自然科学基金面上项目“基于博弈强化学习的交通态势协同演化机制研究”（61876023）的资助。

2、基于群体智能的感知与认知技术

除了当前流行的图像、语音等非结构化内容，行业领域所能获得的更多是结构化数据，如呼叫的历史记录、基站负载数据、车辆轨迹数据等等。群体智能感知与认知技术主要针对多源异构数据的特征认知、识别，利用图机器学习、分布式人工智能等新兴技术与手段，解决无人驾驶/高级辅助驾驶、通信欺诈识别、电信网络运营等领域中的高精度定位与识别、小概率事件识别、异常特征识别等智能认知问题。

主要研究成果是通信欺诈行为认知学习关键技术及反诈系统应用：通信欺诈是海量用户通信中的小概率事件，通信欺诈行为识别与拦截的核心关键技术是对通信行为的认知学习与异常特征识别，及在海量通信过程中的实时通信拦截。

本人长期从事融合网络协同控制服务关键技术研发，从2013年到2016年开展了多个针对中国电信和中国移动RTC能力平台的企业委托项目，通过融合网络服务控制模型，有效解决了通信欺诈的统一拦截控制，完成了通信拦截控制系统原型研发。其后，作为2015年自然科学基金“面向大规模服务系统的在线服务质量预测方法研究”（1472338）的子课题负责人，进一步将信誉度量技术引入到大规模在线业务的质量度量中，解决了基于通信社交关系的可信评价问题，并实现了机器学习与深度学习组合模型，实现了与智能拦截系统的整合。