2025年12月12日，TRANS课题组特邀北京科技大学郝旭老师开展了题为“面向新能源汽车使用特征异质性的交能融合研究”的学术报告。针对电动汽车出行行为的异质性与可再生能源发电的不确定性等挑战，报告提出了一种“面向出行特征的强化学习充放电控制框架”，通过DQN算法深度赋能电动汽车、建筑与光伏系统（V2B-PV）的联合用能调度，实现了接近离线优化算法的极致性能。实验结果表明，该强化学习控制策略在真实数据测试中表现卓越，较传统控制算法降低充电成本55%、减少碳排放11.6%，并将光伏利用率大幅提升至95%。此外，研究系统量化了电动汽车出行时间与建筑负荷信息对充放电管理策略的信息价值（Value of Information, VoI），揭示了数据驱动决策的核心逻辑。凭借毫秒级的计算效率，该策略可适配近实时控制场景，为智能交通-建筑-电网协同提供新范式。