以乘客为中心的交通规划设计与运营管理近年来越来越受到人们的关注。在公共交通系统中，改善乘客的全程出行体验至关重要。因此，需将其嵌入到交通规划与运营模型中。本次讲座将介绍三项将乘客全程出行体验嵌入到公共交通规划与运营模型的研究工作。 第一项研究从战略规划层面开发了一个多模式公共交通网络设计模型。该模型同时确定不同公共交通方式的频率和时刻表，其中乘客的路径选择行为由有限随机用户均衡模型来描述。 第二项研究从日常运营层面设计了一个公交时刻表优化模型，该模型采用时间依赖的车辆运行时间数据，并采用新颖的约束条件来限制乘客的全程出行换乘时间。 第三项研究针对公交运营商与乘客之间的实时交互，提出了一个个性化出行路线推荐框架，并开发了相应的公交客流分配模型。此次讲座将介绍与每项研究工作相关的数学模型、求解算法和计算结果，并讨论未来的研究方向。

1.一带一路合作倡议的背景； 2.一带一路合作倡议的成效； 3.一带一路合作倡议与全球治理。

低频电磁波的波长大，具有传播距离远、穿透性强和衰减慢等特点，因此被广泛应用于水下通信、导航和定位等领域。然而，由于传统天线的尺寸与电磁波的波长须属同一量级，因而低频天线体积庞大、设备复杂。机械天线是利用机械运动的电荷或磁矩直接激励电磁波的一种新型低频电磁发射天线，有望打破波长对传统天线物理尺寸的约束，以较小的尺寸实现低频通信。本研究提出一种三自由度折返梁振动永磁体式机械天线方案，建立了该结构的振动理论模型，据此设计了原理样机，以逆压电效应为驱动，激发梁结构天线的多模态振动并产生低频电磁波，利用其前三阶固有频率调制信号，采用高精度小波变换（superlets）对远端接收的信号进行处理，基于自定义通信传输协议,实现了地面短距离通信，为机械天线的设计提供了一种新思路。

随着科技的飞速进展和教育方式的不断革新，传统的力学教学方法已无法满足现代社会的需求。新时代的力学教学应当与时俱进，创新方式和方法，使之更加适应现代社会的发展。首先，数字化与在线化是新时代教学的明显特征。通过利用虚拟现实（VR）、增强现实（AR）以及混合现实（MR）技术，我们可以为学生提供身临其境的学习体验，让抽象的力学知识变得直观和生动。此外，大数据和人工智能技术的应用，使得个性化学习成为可能。根据每个学生的学习进度和需求，为其提供量身定制的学习资源和方法。其次，注重跨学科的融合。现代的科学研究往往不再是单一学科的，而是多学科交叉的。新时代的力学教学应当强调与其他学科如物理、化学、生物和计算机科学的融合，让学生在学习力学的同时，也能培养跨学科的综合能力。再次，实践教学的重要性日益凸显。纯粹的理论教学往往难以激发学生的学习兴趣和动机。通过加强实验、设计和实践活动，不仅可以加深学生对力学知识的理解，也有助于培养他们的创新思维和实践能力。本报告将介绍新时代力学教学应当秉持的创新理念，以及新的教学方法和手段。

The concept of linear sets in projective spaces was introduced by Lunardon in 1999 and it plays central roles in the study of blocking sets, semifields, rank-metric codes and etc. A linear set with the largest possible cardinality is called scattered. Despite of two decades of study, there are only three known families of maximum scattered linear sets defined over PG(1,q^n) for infinitely many n. The first family is called pseudo-regulus type by Blokhuis and Lavrauw in 1999. The second family was found by Lunardon and Polverino in 2001 and later generalized by Sheekey in 2016. The third family was constructed by Longobardi, Marino, Trombetti and the speaker recently. In this talk, we consider the equivalence problem of maximum scattered linear sets and we show some restrictions on their automorphism groups.

Quadratically-constrained quadratic programming (QCQP) is an optimization problem that has many practical applications, for example, network localization problems, max-cut problems, and polynomial optimization problems. Since QCQP is NP-hard, semidefinite programming (SDP) relaxation is often employed to obtain a good approximate solution, and many researchers have discussed the condition for the SDP relaxation to give an exact optimal solution of the original QCQP.