近日，SAE WCX2026公布了2026年论文的录用结果，TRANS课题组多名成员，包括本科生、研究生、博士生同学投稿的文章顺利入选。
WCX2026（The WCX™ 2026 World Congress Experience）是由国际汽车工程学会（SAE International, Society of Automotive Engineers International）主办的全球汽车科技会议暨展会。SAE是美国及世界汽车工业（包括航空和海洋）领域中有重要影响的学术团体，也是世界上汽车、海洋和航空/航天运输机械技术信息的重要资源之一。SAE WCX2026是讨论全球汽车生态系统中消费者指标、监管标准和技术进步的最新见解的优秀会议，于2026年4月14日-2026年4月16日在美国密歇根州的底特律市举行。
✨论文介绍
01 告别Token焦虑：校园园区用能行为模拟的“大模型蒸馏，小模型执行”实现路径
在园区能源管理中，精准把握园区内个体的能源需求行为尤为关键，而构建相应的个体行为模型则是一种有效手段。基于大语言模型（LLM）模仿人类决策在近年来得到了广泛关注，然而高昂的计算资源需求与Token消耗成本限制了其在大规模仿真中的进一步发展。为解决这一算力焦虑，本研究提出了一种高效的深度学习替代框架。其核心逻辑可概括为“大模型蒸馏，小模型执行”：借助大模型生成的行为数据训练由MLP编码器与Transformer解码器构成的混合架构，从而摆脱对LLM的直接调用，以极低的计算代价完成行为序列生成。为提升替代精度，研究进一步引入了层级加权损失、因果掩码及贝叶斯超参数优化策略。实验结果表明，所提出的方法在拟合LLM决策方面达到了良好效果，其在多个层级行为预测中的平均准确率为0.8881，整体准确率为0.7576，显著优于传统长序列预测方法，且通过贝叶斯优化进一步提升了模型性能。进一步的置信度分析揭示了模型可靠的决策机制，模型在高置信度情况下预测准确率显著提升，为构建“轻量化模型-LLM”混合仿真系统提供了依据，并可在保证仿真可靠性的同时进一步优化计算资源分配。本研究为大规模能源行为仿真提供了一种高效、可扩展的解决方案，具有良好的实用价值与推广前景。
该论文的第一作者是TRANS课题组2025级博士研究生杨智锋，通讯作者是欧士琪教授，其他作者包括2025级硕士研究生陈永健。
引用：Yang, Z., Chen, Y., and Ou, S., “From LLM to Deep Learning: Efficient Simulation of Last-Mile Energy Behavior in Campus Communities,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0461.
02 驾驶习惯如何“偷走”了电池寿命？——基于海量真实车辆数据的电池健康度行为统计
在新能源汽车全面普及的浪潮中，电池的使用寿命始终是制约行业发展与引发用户焦虑的核心瓶颈。以往关于电池老化的研究大多局限于理想的实验室测试环境，这些稳态模拟往往难以准确刻画车辆在复杂道路条件和多样化用户操作下的真实损耗。为了打破这一局限，本研究依托广州市新能源汽车数据平台，调取了超过一千五百万条的真实世界车辆运营记录，构建了一套创新的数据驱动分析框架。跳出了传统的纯电池材料老化视角，将目光聚焦于“用户行为”这一极具差异化的变量，深度量化剖析了驾驶风格、快充频率以及深度充放电习惯对电池健康状态（SOH）长期退化轨迹的因果影响。
研究数据揭示了一个重要的现象：用户的每一次踩下电门和充电选择，都在影响着电池的物理寿命。核心发现包括：
（1）激进驾驶更伤车：在同等城市路况下，习惯急加速、急刹车的“激进型”驾驶者，其电池SOH的下降速度比“温和型”驾驶者快了约81%。
（2）快充的隐性代价：频繁使用大功率快充（在受控对比下，快充次数从基准的90-120次增加至150-180次区间），会导致电池SOH额外下降约2.1%。
（3）深度充放电的压榨损耗：频繁的深度充放电（如电量耗尽再充或极度满充，次数增加至220-240次）会带来约2.0%至2.3%的额外容量衰减。
这项研究不仅为理解真实场景下电池的非线性老化机制提供了极其宝贵的经验证据，更填补了宏观车队数据与微观个体行为之间的研究空白。相关结论可直接赋能未来的智能电动汽车，为制定个性化的电池长寿命管理策略、优化充电基础设施规划以及引导用户养成“护电”习惯提供了坚实的科学依据。
该论文的第一作者是TRANS课题组2024级硕士研究生刘天一，通讯作者是欧士琪教授，其他作者包括2024级博士研究生景浩，2024级硕士研究生朱健宽，2025级硕士研究生陈永健以及韦恩州立大学钱小冬教授。
引用：Liu, T., Jing, H., Zhu, J., Chen, Y., et al., “Behavioral Determinants of Electric Vehicle Battery Degradation: Evidence from Large-Scale Real-world Operations,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0458.
03 云边解耦与Transformer建模：面向电动汽车电池全生命周期的高精度健康管理框架
准确估算电池健康状态（SOH）和剩余使用寿命（RUL）是实现电动汽车可持续全生命周期管理的逻辑基石。本研究提出了一种专为车载部署设计的云边协同智能框架（E-CCT），旨在解决电池退化过程中的高度非线性和复杂建模难题。该框架采用基于Transformer的架构来捕捉电池长期退化轨迹 。其核心在于任务解耦的设计：云端模型采用全参数配置以确保高精度的RUL预测；而边缘端模型则通过剪枝和知识蒸馏技术进行轻量化处理，实现了毫秒级的实时SOH估算，且仅需提取4个核心健康指标即可完成预测。通过在公开的LFP电池数据集以及NCM电池数据集上的广泛验证，该框架在SOH估算方面的均方根误差（RMSE）仅为1.41%，在RUL预测方面的RMSE为2.59%（约78个循环），性能显著优于CNN、LSTM等主流基准模型。这种结合深度学习建模与云边协同架构的方法，为电动汽车的健康感知与预测性维护提供了一种高精度、低延迟且具备良好扩展性的智能化解决方案。
该论文的第一作者是TRANS课题组2025级硕士研究生高伟敏，通讯作者是欧士琪教授，其他作者包括2026级博士研究生吕志隆。
引用：Gao, W., Lv, Z., and Ou, S., “Enabling Sustainable E-Mobility: An Edge–Cloud Collaborative Framework for Battery Lifecycle Health Management in Electric Vehicles,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0460.
04 生成式智能体如何模拟社区人群移动性与用能行为？
向可持续交通与能源系统转型，难点不仅在于技术本身，更在于技术如何与人的行为互动。传统模型往往将居民的出行与用能决策简化为平均化或完全理性的反应，难以捕捉个体在真实情境中的细微差异、异质性以及自适应调整能力。
这篇论文提出的HGA-Sim框架，尝试用生成式智能体（Generative Agent）来补上这个缺口。它的设计有两个关键点：一是借助大语言模型，生成具有不同人格背景的智能体，让它们对环境变化和自身经历做出更贴近真人的反应；二是采用“原型—个体”分层结构，使这种高保真仿真在社区尺度上依然计算可行。
在一个包含495个智能体的社区案例中，该框架不仅准确再现了宏观的出行与用电模式，包括负荷峰值及其时序特征，而且仿真结果与真实数据的均方根误差仅为0.1983。这一框架提供了一个“人在环”的虚拟测试环境，有望用来评估交通与能源政策的实际落地效果，减少前期决策中的不确定性。
该论文的第一作者是TRANS课题组2025级硕士研究生陈永健，通讯作者是欧士琪教授，其他作者包括2025级博士生研究生杨智锋。
引用：Chen, Y., Yang, Z., and Ou, S., “Generative Agents for High-Fidelity Simulation of Community-Scale Mobility and Energy Behavior,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0465.
05 政策越稳，电动车跑得越快：中美欧市场为何走出三条赛道
在全球汽车产业加速向电动化转型的背景下，插电式电动汽车（PEV）市场前景备受关注。影响PEV市场未来走向的，不仅是技术进步和成本变化，更关键的是政策是否稳定、清晰与可预期。围绕这一问题，本文系统梳理了PEV市场预测的主流方法，并比较了不同模型的特点与适用性。研究发现，当前PEV市场预测正从单一模型走向多方法融合，以提升预测的稳健性和准确性。在此基础上，研究进一步比较了中国、美国和欧洲三大汽车市场的PEV政策体系与市场前景。结果显示，到2030年，中国新车销量中PEV占比的平均预测值为81.3%，欧洲为62.8%，美国仅为31.1%。研究表明，预测结果的趋同性与政策稳定性存在显著关联：中国政策一致性最高，市场预期也最集中；欧洲在强制性排放约束政策推动下保持较强增长；美国则因监管体系相对分散、政策不确定性较高，市场预期分化更为明显。本文认为，政策协调性与监管可预期性，是塑造PEV市场前景的重要因素。对于正在推进汽车电动化转型的国家和地区而言，稳定、连续、可预期的政策环境，不仅有助于增强市场信心，也将为产业转型和政策制定提供更可靠的支撑。
该论文的第一作者是TRANS课题组2023级本科生罗炜，通讯作者是欧士琪教授，其他作者包括2025级硕士研究生周盼，清华大学的王天鹏教授与韦恩州立大学的钱小冬教授。
引用：Luo, W., Ou, S., Zhou, P., Wang, T., et al., “Assessing Plug-in Electric Vehicle Adoption: Methodologies, Policy Effects, and Diverging Market Pathways in China, the U.S., and Europe,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0455.
06 大语言模型赋能下的全球电池供应链分析：从海量异构资讯到结构化知识建模
全球地缘政治格局的剧烈波动，对电动汽车电池供应链的韧性构成了严峻挑战。针对传统静态数据库在响应产业动态变化时的滞后性，本研究提出了一种基于人工智能的自动化构建范式。通过部署专业化爬虫体系，实时捕捉全球海量行业资讯，并核心引入大语言模型（LLM）进行深层语义解析，实现了从海量非结构化文本中精准提取企业实体、生产设施及产能分布等关键要素。本系统不仅攻克了多语种环境下产业关联溯源的难题，其语义去重框架更在实验中达到了86.3%的查全率。目前，系统已深度处理20万级行业报告，覆盖全球5,000余家核心企业，为动荡环境下的产业透明度提升与数据驱动决策提供了关键的技术支撑。
该论文的第一作者是TRNAS课题组2023级本科生朱峻桐，通讯作者是欧士琪教授，其他作者包括阿美公司的何鑫教授，2023级本科生罗炜，2022级本科生张翔，2025级博士生杨智锋。
引用：Zhu, J., Luo, W., Zhang, X., Yang, Z., et al., “A Large Language Model-Based Database for Analyzing the Battery Critical Minerals Supply Chain,” WCX SAE World Congress Experience, Detroit, Michigan, United States, April 14, 2026, https://doi.org/10.4271/2026-01-0471.
撰稿：周盼
排版：高伟敏
终审：欧士琪