1. 具备扎实的数学基础，包括概率论、统计推断、线性代数、优化理论。
2. 熟悉常见优化算法，如梯度法、凸优化、整数规划、动态规划等。
3. 熟练使用 Python 或 C++，具备良好的工程实现能力。
4. 熟悉主流算法框架，如 PyTorch 或 TensorFlow。
5. 有交通流模型、排队论模型、图模型或时空预测模型经验者优先。
6. 有大规模数据建模经验，能够处理高维、非平稳、多源异构数据。

岗位职责：

1.负责交通系统关键问题的数学抽象与模型构建，包括交通流预测、路径优化、信号控制优化、资源调度等方向。

2.基于统计学习、优化理论或运筹学方法，设计并实现可解释、高鲁棒性的算法。

3.将建模方法与机器学习强化学习等策略结合，提升模型对动态场景的适应能力。

4.参与真实交通数据的清洗、特征工程设计与数据质量评估，建立可复用建模流程。

5.与工程团队协作完成模型服务化部署，优化计算性能与推理效率。

6.建立模型评估与闭环验证机制，持续迭代模型效果。