Profile

廖律超,博士，教授，博士生导师（福州大学），清华大学博士后（优秀考评出站），福建省高层次人才（B类），国际电子电气工程师学会（IEEE）高级会员，中国计算机学会杰出会员，英国埃塞克斯大学高级访问学者，福建省课程思政教学名师，福建省发改委“数字福建”专家。长期开展人工智能与智能驾驶相关教学与科研工作。曾任信息科学与工程学院副院长、计算机科学与数学学院副院长等职，现任交通运输学院副院长，兼任工业控制与数据分析福建省高校重点实验室主任、智能无人驾驶技术福建省高校工程研究中心主任、数字福建交通大数据研究所常务副所长及“智能科学与技术”专业负责人等职，并积极投身社会服务，2016年入选中国博士后科技服务团，并被省教育厅聘请为福建省中小学人工智能教学指导委员会委员，近年来兼任IEEE TITS、IJDE、IET IP等多个国际知名期刊审稿人。主要研究人工智能与自动驾驶技术等。先后主持、合作研发及主要参与国家自然科学基金项目共5项（其中主持2项、合作研发2项）；先后主持及合作研发福建省高校产学合作项目、福建省软件业技术创新重点攻关和产业化项目及横向合作项目等课题30余项；先后发表SCI/EI论文50余篇，在城市时空大数据处理方面已获美国发明专利授权及国家发明专利授权共计100余项；获日内瓦国际发明奖1项；参编国家标准、地方标准及团体标准等10余项；荣获福建省科技进步奖2项，并先后获中国侨界贡献(创新团队)奖及中国产学研合作创新成果奖等奖项；获评为福建省教育信息化学会“优秀专家”、并获校授“优秀科技工作者”、“优秀共产党员”、校研究生“优秀指导教师”等荣誉称号；2014年入选福建省高校杰出青年科研人才计划，2021年受福州市信息化学会聘请为“人工智能领域特聘专家”。负责的研究生课程《深度学习导论》入选福建省课程思政示范课，教学团队获入选省级课程思政教学名师和教学团队。与国内外知名高校积极开展学术交流合作。先后与University of South Carolina、University of Essex、University of Exeter、清华大学、湖南大学、西南交通大学、华北电力大学、河海大学、南京信息工程大学及山东科技大学等国内外10余所高校相关团队开展密切科研合作。欢迎国内外相关同行联系科研合作，课题组接收国内访问学者申请。联系邮箱： achao<at>fjut.edu.cn （或 llyuchao<at>ieee.org） 研究生招生方向：1）交通运输工程学术硕士：01交通信息工程及控制（07 交通运输学院） 2）新一代电子信息技术专业硕士：04 智能交通与交通大数据技术； 3）物流工程与管理：03智慧物流与信息管理。 4）能源动力专业硕士：04电气工程信息技术。 一、主持与主要参与的部分科研项目[1] 国家自然科学基金项目：车辆自动驾驶转向经验认知表达与智能学习机理研究（62376059），2024.01-2027.12，在研，主持；[2] 国家自然科学基金项目：面向大数据的位置信息挖掘与推荐方法研究（41971340），2020.01-2023.12，在研，合作单位项目负责人；[3] 福建省科技计划项目（福建省高校产学合作）：基于数字孪生的智慧城市应急服务关键技术研究与产业化（2021Y4019），2021.10-2024.10，在研，主持；[4] 福建省软件业技术创新重点攻关及产业化项目：城市交通数字孪生云服务平台关键技术研发及产业化，2023.01-2024.01，在研，合作单位项目负责人；[5] 横向合作创新研发项目：智慧城市数字孪生关键技术研究，2023.07-2026.06，在研，主持；[6] 国家自然科学基金项目：基于海量语义轨迹的交通驾驶行为认知与主动学习机理研究（61304199），2014.01-2016.12，结题，主持；[7] 国家自然科学基金项目：城市客流移动数据的模式分析、可视化和决策优化支持（41471333），2015.01-2018.12，结题，合作单位项目负责人；[8] 福建省高校杰出青年科研人才培育计划项目：基于潜在语义分析的海量交通轨迹数据挖掘与应用示范（JA14209），2014.09-2018.12，结题，主持；[9] 福建省科技计划区域发展项目：基于大数据挖掘的智慧城市标准地址管理与应用关键技术研究及推广（2018Y3001），2018.01-2020.12，结题，主要参与；[10] 福建省科技重大专项：车联网与智能交通信息服务关键技术研究与应用（2011HZ0002），2011.09-2014.09，结题，子课题负责人。二、部分论文成果（更新中）[1] Liao, L., Zeng, J., Lai, T., et al. Stereo matching on images based on volume fusion and disparity space attention[J]. Engineering Applications of Artificial Intelligence, 2024, 136, p.108902.[2] Liao L, Lin Y, Li W, et al. Traj2Traj: A road network constrained spatiotemporal interpolation model for traffic trajectory restoration[J]. TRANSACTIONS IN GIS, 2023, 27(4): 1021-1042.[3] Liao L, Luo L, Su J, et al. Eagle-YOLO: An Eagle-Inspired YOLO for Object Detection in Unmanned Aerial Vehicles Scenarios[J]. Mathematics, 2023, 11(9): 2093.[4] Liao L, Hu Z, Zheng Y, et al. An improved dynamic Chebyshev graph convolution network for traffic flow prediction with spatial-temporal attention[J]. Applied Intelligence, 2022, 52(14): 16104-16116.[5] Liao L, Wu J, Zou F, et al. Trajectory topic modelling to characterize driving behaviors with GPS-based trajectory data[J]. Journal of Internet Technology, 2018, 19(3): 815-824.[6] Liao L, Chen B, Zou F, et al. Hierarchical quantitative analysis to evaluate unsafe driving behaviour from massive trajectory data[J]. IET Intelligent Transport Systems, 2020, 14(8): 849-856.[7] Liao L, Hu Z, Hsu C-Y, et al. Fourier Graph Convolution Network for Time Series Prediction[J]. Mathematics, 2023, 11(7): 1649.[8] Liao L, Li B, Zou F, et al. MFGCN: A Multimodal Fusion Graph Convolutional Network for Online Car-hailing Demand Prediction[J]. IEEE Intelligent Systems, 2023, 38(3), 21-30.[9] Liao L, Li B, Huang D, et al. An Intelligent Rebalance System for Tidal Phenomenon of Dockless Bicycle-Sharing[J]. IEEE Access, 2023, 11: 12937-12948.[10] Liao L, Li Z, Lai S, et al. An expressway traffic congestion measurement under the influence of service areas[J]. PLoS one, 2023, 18(1): e0279966.[11] Niyogisubizo J, Liao L, Zou F, et al. Predicting traffic crash severity using hybrid of balanced bagging classification and light gradient boosting machine[J]. Intelligent Data Analysis, 2023, 27(1): 79-101.[12] Liao L, Wang Y, Zou F, et al. A multi-sensory stimulating attention model for cities’ taxi service demand prediction[J]. Scientific reports, 2022, 12(1): 3065.[13] Liao L, Lin J, Zhu Y, et al. A Bi-direction LSTM Attention Fusion Model for the Missing POI Identification[J]. J. Netw. Intell, 2022, 7: 161-174.[14] Liao L, Afedzie Kwofie F, Chen Z, et al. A bidirectional context embedding transformer for automatic speech recognition[J]. Information, 2022, 13(2): 69.[15] Liao L, Lin Z, Lin J, et al. Car-Following Model with Automatic Reaction Delay Estimation: An Attention-Based Ensemble Learning Methodology[J]. Scientific Programming, 2022, 2022: 1-10.[16] Niyogisubizo J, Liao L, Nziyumva E, et al. Predicting student's dropout in university classes using two-layer ensemble machine learning approach: A novel stacked generalization[J]. Computers and Education: Artificial Intelligence, 2022, 3: 100066. [17] Liao L, Liu J, Wu X, et al. Time difference penalized traffic signal timing by LSTM Q-network to balance safety and capacity at intersections[J]. IEEE Access, 2020, 8: 80086-80096. [18] 廖律超, 蒋新华, 邹复民, et al. 一种支持轨迹大数据潜在语义相关性挖掘的谱聚类方法[J]. 电子学报, 2015, 43(5): 956.[19] 廖律超, 蒋新华, 林铭榛, et al. 基于交通轨迹数据挖掘的道路限速信息识别方法[J]. 交通运输工程学报, 2015, 15(5): 118-126.[20] 廖律超, 蒋新华, 邹复民, et al. 浮动车轨迹数据聚类的有向密度方法[J]. 地球信息科学学报, 2015, 17(10): 1152-1161.[21] 李璐明, 蒋新华, 廖律超. 基于弹性分布数据集的海量空间数据密度聚类[J]. 湖南大学学报: 自然科学版, 2015, 42(8): 116-124.[22] 蒋新华, 高晟, 廖律超, et al. 半监督 SVM 分类算法的交通视频车辆检测方法[J]. 智能系统学报, 2015, 10(5): 690-698.[23] 胡冬梅, 吴建平, 田琨, 廖律超, 杜怡曼et al. 北京重霾期空气污染物, 气象和交通的时空特征 (英文)[J]. 系统仿真学报, 2019, 3.[24] Li T, Wu J, Dang A, Liao L, Xu M. Emission pattern mining based on taxi trajectory data in Beijing[J]. Journal of cleaner production, 2019, 206: 688-700.[25] Ge Q, Sun Q, Wang Z, Li S, Gu Z, Zheng S, Liao L. Real‐time coordination of connected vehicles at intersections using graphical mixed integer optimization[J]. IET Intelligent Transport Systems, 2021, 15(6): 795-807.[26] Pan J S, Shan J, Chu S C, Jiang S, Liao L. A multigroup marine predator algorithm and its application for the power system economic load dispatch[J]. Energy Science & Engineering, 2022, 10(6): 1840-1854.[27] Hu D, Wu J, Tian K, Liao L, Xu M, Du Y. Urban air quality, meteorology and traffic linkages: Evidence from a sixteen-day particulate matter pollution event in December 2015, Beijing[J]. Journal of Environmental Sciences, 2017, 59: 30-38.[28] 林尔杰, 韩光洁, 孙宁, 廖律超. 终点导向的电动汽车负载均衡充电导航策略[J]. 小型微型计算机系统, 2023, 44(05): 961-968.[29] 邹复民, 郭峰, 罗思杰, 廖律超, 李楠. 高速公路ETC仿真平台研究与设计[J]. 系统仿真学报: 2023：1-17（网络首发）.[30] 王金水, 欧雪雯, 陈俊岩, 唐郑熠, 廖律超. 基于时空超图卷积模型的城市轨道站点客流预测[J]. 铁道科学与工程学报: 2023：1-12.（网络首发）.[31] Wang X, Zeng R, Zou F, Liao L, Huang F. STTF: An Efficient Transformer Model for Traffic Congestion Prediction[J]. International Journal of Computational Intelligence Systems, 2023, 16(1): [32] Han G, Zhu Y, Liao L, Yao H, Zhao Z, Zheng Q. Hybrid Attention-Based 3D Object Detection with Differential Point Clouds[J]. Electronics, 2022, 11(23): 4010.[33] Guo F, Zou F, Luo S, Chen H, Yu X, Zhang C, Liao L. Positioning method of expressway ETC gantry by multi‐source traffic data[J]. IET Intelligent Transport Systems, 2022.[34] Liao L, Feng Z, Huang D, Zhu Y, Lin J, Luo L,. MA3D: A Multi-Attention-based Complex 3D Object Detection from Point Cloud Data[J]. Journal of Network Intelligence, 2022, 7(3): 719-733.[35] Zhuang J, Chu SC, Hu CC, Liao L, Pan JS. Advanced phasmatodea population evolution algorithm for capacitated vehicle routing problem[J]. Journal of Advanced Transportation, 2022, 2022.[36] Liao L, Wu C, Chen Z, Qu L, Huang B, Chen Z. Emergency Event Topic Clustering Based on Keyword Co-occurrence[J]. J. Inf. Hiding Multim. Signal Process., 2019, 10(3): 447-457.[37] 廖律超, 蒋新华, 邹复民, et al. 基于交通视频的交通拥堵状态自动识别方法[J]. 公路交通科技, 2014, 31(01): 110-117.[38] Hu R, Chiu YC, Hsieh CW, Chang TH, Xue X, Zou F, Liao L. Mass rapid transit system passenger traffic forecast using a re-sample recurrent neural network[J]. Journal of Advanced Transportation, 2019, 2019.[39] Zou F, Guo F, Tian J, Luo S, Yu X, Gu Q, Liao L. The method of dynamic identification of the maximum speed limit of expressway based on electronic toll collection data[J]. Scientific Programming, 2021, 2021: 1-15.[40] Luo S, Zou F, Zhang C, Tian J, Guo F, Liao L. Multi-view travel time prediction based on electronic toll collection data[J]. Entropy, 2022, 24(8): 1050.[41] Han G, Zheng Q, Liao L, et al. Deep Reinforcement Learning for Intersection Signal Control Considering Pedestrian Behavior[J]. Electronics, 2022, 11(21): 3519.三、部分授权发明专利（更新中）[1]国家发明专利：一种数字孪生智慧城市交通的虚拟红绿灯控制提醒方法（授权专利号：ZL202210058268.5，第一发明人）[2]国家发明专利：一种城市路网拓扑连接边的发现方法和发现系统（授权专利号：ZL201911307758.9，第一发明人）；[3]国家发明专利：一种基于路灯辅助的无人驾驶高精度定位方法及系统（授权专利号：ZL201910474604.2，第一发明人）；[4]国家发明专利：一种基于路灯辅助的无人车高精度地图匹配方法及系统（授权专利号：ZL201910474609.5，第一发明人）；[5]美国发明专利：Urban Private Parking Space Sharing and Exchanging Service Method and System（授权专利号：US010755572B2，第一发明人）；[6]国家发明专利：一种基于区块链技术的网络安全事件检测方法（授权专利号：ZL201811617365.3，第一发明人）；[7]国家发明专利：一种基于区块链技术的非机动车辆占用快车道的监测方法（授权专利号：ZL201811617364.9，第一发明人）；[8]国家发明专利：一种基于区块链技术的迷路人员指引方法（授权专利号：ZL201811350900.3，第一发明人）；[9]国家发明专利：一种基于区块链技术的实时路况信息采集推送方法（授权专利号：ZL201811218517.2，第一发明人）；[10]国家发明专利：一种基于区块链的危险驾驶行为辨识与推送方法及系统（授权专利号：ZL201811221376.X，第一发明人）；[11]国家发明专利：一种基于浮动车技术的城市内涝检测方法及终端（授权专利号：ZL201711440236.7，第一发明人）；[12]国家发明专利：一种新手车辆的识别方法及终端（授权专利号：ZL201711430814.9，第一发明人）；[13]国家发明专利：基于浮动车技术的城市道路绿波带决策支持方法及终端 （授权专利号：ZL201711179692.0，第一发明人）；[14]国家发明专利：基于浮动车技术的区域道路车流量控制方法（授权专利号：ZL201711164285.2，第一发明人）；[15]国家发明专利：基于浮动车技术的道路运输车辆超限信息识别方法（授权专利号：ZL201710601536.2，第一发明人）；[16]国家发明专利：一种封闭道路的确认方法及系统（授权专利号：ZL201510444231.6，第一发明人）；[17]国家发明专利：基于出租车经验数据动态获取路径权重的方法及系统（授权专利号：ZL201711069850.7，第一发明人）；[18]国家发明专利：动态分析工程车辆实现新增建筑物识别的方法（授权专利号：ZL201711069008.3，第一发明人）；[19]国家发明专利：一种移动终端短信办公审批流程方法及系统（授权专利号：ZL201510379640.2，第一发明人）；[20]国家发明专利：一种基于交通轨迹数据的道路海拔信息提取方法及系统（授权专利号：ZL201510311712.X，第一发明人）；[21]国家发明专利：一种基于浮动车技术获得区域带路专家的方法（授权专利号：ZL201310667672.3，第一发明人）；[22]国家发明专利：出租车行车轨迹经验知识路径的提取方法（授权专利号：ZL201310615600.4，第一发明人）；[23]国家发明专利：一种营运车辆的定线定点考勤方法及定线定时考勤方法（授权专利号：ZL201110437821.8，第一发明人）；[24]国家发明专利：基于浮动车技术的路段限速信息识别方法（授权专利号：ZL201210028275.7，第一发明人）；[25]国家发明专利：基于交通工具的实时交通气象信息采集方法（授权专利号：ZL201110289393.9，第一发明人）。四、参编的部分技术标准（更新中）[1]国家标准：电子商务可信交易要求（GB/T 31782-2023）；[2]国家标准：供应链电子商务业务协同技术要求（GB/T 43060-2023）；[4]国家标准：财经新闻信息 第1部分：元数据（GB/T43340.1-2023）；[3]国家标准：财经新闻信息 第2部分：传输处理接口要求（GB/T 43340.2-2023）[5]福州市地方标准：工业（产业）园区产业链培育指南(DB3501/T 007-2022)；[6]福州市地方标准：工业（产业）园区产业链培育指南(DB3501/T 007-2022)；[7]福州市地方标准：智慧园区规划、建设与管理通用规范(DB3501/T 010-2022)；[8]中国城市公共交通协会团体标准：智慧交通 车联网数据采集规范（T/CUPTA 035—2023）；[9]中国城市公共交通协会团体标准：智慧交通 综合交通运输协调体系 基础地理数据技术规范（T/CUPTA 032—2023）。五、部分教学科研奖励（更新中）[1] 福建省课程思政教学名师：研究生课程“深度学习导论”教学团队，2022年12月，排名1/7；[2] 福建省科学技术进步二等奖：“基于大数据的智慧应急关键技术及其综合服务系统”， 2020年11月，排名：2/7；[3] 福建省科学技术进步二等奖：“基于大数据的道路运输智能交通信息服务系统与终端”，2017年9月，排名：6/7；[4] 日内瓦国际发明奖： “带主动报警功能的汽车挡风玻璃”， 2019年4月，排名：5/7；[5] 中国产学研合作创新成果奖： “基于北斗的公路交通运输安全生产信息服务系统及其关键技术”， 2014年11月，排名：5/7。六、开展的部分学术讲座与专题报告（更新中）[1] "课堂教学评价与人工智能"，福建省中小学教研基地校工作研讨会主题报告，南平，2024.11.15；[2] "标准化驱动：产学研协同服务，助力高质量创新与发展"，福州市第55届世界标准日主题活动报告，福州，2024.10.14；[3] “The Next Horizon: Telematics to Autonomous Vehicles in the Connected Age”，The Sixth International Conference on Smart Vehicular Technology, Transportation, Communication and Applications, Kaohsiung, April 17, 2024；【Keynote Speaker】[4] “人工智能背景下的课堂教学新变革”，2024年福建省中小学美术学科专题教研活动专题报告，宁德，2024.04.12；[5] “人工智能：连接无限可能”，宁德职业技术学院调研交流报告，福安，2024.03.15；[6] “数字城市下的未来交通新形态”，2023海丝数字经济大会，泉州，2023.12.29；[7] “人工智能如何重塑城市交通”，2nd数字孪生与智能建造学术年会，福州，2023.11.24；[8] “品人工智能学习、思学科人才培养——研究生课程思政建设实践与思考”，福建理工大学“福工好导师”第五期培训班，福州，2023.11.23；[9] “人工智能与智慧交通”，福建科普大讲坛，福建省科技馆，2023.09.22；[10] “人工智能与智慧交通”， 百度智能汽车科创基地，福州，2023.08.14；[11] “图神经网络的发展趋势与交通行业应用”，第一届“一带一路”智能绿色交通运输工程: “机遇与挑战”研讨会, 乌鲁木齐，2023.06.03；[12] “The Principle, Trend and Applications of Graph Neural Networks”, 8th International Conference on Electromechanical Control Technology and Transportation（ICECTT2023）, Hangzhou, 2023.05.19；【Keynote Speaker】[13] “人工智能与智慧交通”，全省交通运输信息化培训班，福建省交通厅教育培训基地，2021.12.23；[14] “工业人工智能——连接可能，智造未来”，首届福州市工业互联网创新发展论坛，福州，2021.12.08；七、研究生培养情况（更新中）2014级研究生[1]葛祥海《基于实时轨迹数据的南宁市路网动态拓扑自动生成方法及应用研究》,就职海亮集团（世界500强企业） ；2015级研究生[2]陈韫《基于LSTM深度网络的城市道路短时交通状态预测模型研究》，就职清华大学交通研究所；2016级研究生（排名不分先后）[3]蔡祈钦《面向交通轨迹大数据的相似性检索及挖掘分析研究》，入读华侨大学博士研究生；[4]张涛《基于负荷曲线聚类与Adaboost-CART组合模型的电力负荷预测研究》，就职国家电网（南平）；[5]刘洁锐《基于深度强化学习的城市区域交通信号控制研究》，就职湖北公众信息公司；2018级研究生（排名不分先后）[6]吴陈伟《基于图嵌入模型的复杂文本关键词挖掘方法》，就职国家电网（三明） ；[7]郑雨馨《基于时空动态图卷积神经网络的交通流预测方法》，就职东西乐活科技（全球创新家居场景品牌公司） ；[8]吴鑫珂《基于深度强化学习的公交优先信号控制策略》，就职星网锐捷 ；[9]陈必俊《基于交通轨迹大数据的驾驶行为安全性评价方法》，就职星网锐捷 ；2019级研究生（排名不分先后）[10]NIYOGISUBIZO, JOVIAL《Predicting Crash Injury Severity in Smart Cities Using Hybrid of Balanced Bagging Classification and Light Gradient Boosting Machine》，入读中国科学院深圳先进院博士研究生 ；[11]王永强《基于数据驱动的智慧城市网约车出行时空需求预测模型》，入读武汉科技大学博士研究生 ；[12]林金梅《基于表示学习的LBSN缺失兴趣点还原算法研究》，就职国家电网（厦门） ；[13]Afedzie Kwofie Francis《A Bidirectional Context Embedding Transformer for Automatic Speech Recognition》；[14]陈志峰《基于深度神经网络的中文命名实体识别方法研究》，就职国家电网（三明） ；[15]李伟锋《基于深度学习的城市交通轨迹缺失数据复原方法研究》，就职国家电网（龙岩） ；[16]胡志远《基于动态时空图神经网络的长短期交通流预测研究》；[17]林泽伟《基于深度学习的自动驾驶汽车跟驰控制模型研究》，就职湄洲湾职业技术学院 ；[18]林尔杰《基于交通轨迹大数据的电动出租车充电策略研究》，就职国家电网；[19]冯志成《基于激光点云与视觉信息融合的道路场景目标检测方法研究》，就职南瑞集团（央企） ；2020级研究生（排名不分先后）[20]李峥嵘《基于ETC门架数据的高速公路交通拥堵预测方法》，入读以色列理工学院博士研究生 ；[21]李犇《基于时空动态图卷积神经网络的网约车需求预测方法》，入读同济大学博士研究生；[22]陈文浩《基于深度融合算法的短期电力负荷预测研究》，入读湖南大学博士研究生 ；[23]朱银添《基于激光点云与图像融合的无人驾驶目标检测方法研究》，就职福建理工大学 ；[24]唐鹏浩《基于深度强化学习的公交信号优先控制方法研究》，就职三峡集团 ；[25]林钰媛《基于ETC数据的高速公路用户出行行为模式挖掘及预测》；[26]罗林森《复杂场景下的无人机航拍图像目标检测算法研究》；[27]郑琪《基于深度强化学习的行人过街交通信号控制策略》，就职闽西职业技术学院 ；[28]陈瑞祥《融合注意力机制的自动驾驶目标检测方法研究》，就职国家电网 ；2021级研究生（排名不分先后）[29]曾界茂《基于深度学习的双目立体匹配算法研究》，就职厦门某银行 ；[30]熊鎔《基于深度学习图注意力机制的交通流预测方法研究》，就职福建省发改委；[31]郑淇《基于深度强化学习的车辆自动驾驶变道决策研究》，就职于福州市教育局；[32]AHMAD, MIR MEHRAJ《Enhanced Surface Defect Detection on Optical Filters using Deep Learning Approaches》，就读于哈尔滨工业大学博士研究生；[33]江文霞《快充锂电池健康状态评估及剩余寿命预测模型研究》，就职于南平电信；[34]肖菡堃《基于深度强化学习的车辆自动驾驶环岛场景控制优化方法研究》，就职于星网锐捷；[35]贺有朋《基于深度强化学习的快速路自动驾驶匝道合流方法研究》，就职于国家知识产权局某单位；[36]高嘉骏《基于联合行驶模式检测的多车辆跟踪算法研究》。 ORCID ID: 0000-0001-5337-9083Web of Science Researcher ID：GPK-5719-2022 Google Scholar@课题组动态>>>Homepage： https://faculty.fjut.edu.cn/liaolyuchao/zh_CN/index.htmIEEE Homepage：https://ieee-collabratec.ieee.org/app/p/lyuchaoliao