2015年3月9日，课题组汤月华硕士、叶盈硕士、戴美伟硕士的毕业论文答辩在安中大楼A326举行，经过汤月华硕士、叶盈硕士、戴美伟硕士对论文研究工作陈述，老师提问和最终商议，答辩委员会同意汤月华硕士、叶盈硕士、戴美伟硕士顺利通过答辩。课题组在此予以祝贺！
汤月华硕士师从王殿海教授，在论文中主要做了以下研究工作。
在传统的地图匹配算法的基础之上，提出了改进的投影匹配算法，采用了网格分块的快速匹配方法实现公交GPS数据的匹配。针对GPS漂移数据，利用匹配阈值法对其判断并予以剔除；并建立了完全重复冗余数据的处理方法；明确了站点区间行程时间的定义，采用4类不同形式的分布模型：正态分布、对数正态分布、威布尔分布、高斯混合分布分别对高峰、平峰时段的公交行程时间数据进行拟合优度检验，结果表明高斯混合分布模型能够最好地拟合公交行程时间数据；采用波动性指数和延误指数作为表征行程时间可靠性的指标，建立了基于高斯混合分布模型的站点区间行程时间可靠性评价方法；分析了影响公交站点行程时间可靠性的几大因素：道路几何条件（站点区间长度和交叉口相对位置）、交通状态（公交车小时流量因素、交叉口信号因素）、天气因素和采样间隔。
叶盈硕士师从王殿海教授，在论文中主要做了以下研究工作。
基于从“单”到“链”的思路，通过SP与RP调查相结合的交通问卷调查方法，标定相关的成本参数，建立单一出行方式成本测算模型。在此基础上，研究出行方式链中的换乘成本，并综合考虑单一出行方式成本和换乘成本确定出行方式链成本测算模型；结合杭州市的实际交通运行数据，估算居民出行成本，分析各种方式的成本差异，提出了杭州市交通出行结构优化建议。
戴美伟硕士师从王福建副教授，在论文中主要做了以下研究工作。
以北京市快速路观测数据为依据，研究了快速路系统交通流的基本参数、流量-密度-速度关系模型、利用FCM算法对交通状态划分等相关内容；基于驾驶员的特点将驾驶员分为激进型和谨慎型驾驶员，由此将跟驰状态分为强跟驰和弱跟驰两种状态，根据相对速度绝对值与车头时距之间的相关关系定量地判定车辆运行状态，确定了跟驰状态车头时距临界值利用高斯混合模型对强跟驰和弱跟驰的假设进行验证；基于强、弱跟驰的现象特点，提出车头时距混合分布模型，并与其他常用车头时距模型进行对比；利用速度的标准差、V85-V15差值以及相邻速度差绝对值作为车速离散性的研究指标，分析车速离散性规律。