郝鹏从当前城市实际交通状况出发，与在座教师及学生分享他在基于移动传感器的交通建模方面的研究成果。他将处理移动传感器的数据应用主要总结为两个方面：一是在低渗透下还原真实的交通状况；二是在低采样频率下重建车辆轨迹。面对复杂的车辆流动数据统计，他提出简化贝叶斯网络的方法并将此方法运用到交通状态研究中去。为在座师生们进一步详细讲解了从可能的驾驶模式顺序出发，筛选合理交通状态进行数值试验以及误差分析最终构建队列长度概率模型的过程。在郝鹏讲解完概率模型的构建后，在座师生提出了移动传感器的实际应用、移动传感器在仿真方面的发展可能以及移动传感器未来的发展趋势等一系列问题，郝鹏一一解答。对于问题研究，郝鹏鼓励学生们关注更高层面的问题，要对问题耐心体会，更好地结合数据和实际，做到真正将概念运用到实际中去。

郝鹏系美国加州大学河滨分校的博士后。2008年毕业于清华大学，获得学士学位；2012年毕业于美国伦斯勒理工大学获得交通工程博士学位；2013-2014年在伦斯勒理工大学进行博士后研究。2014年至今在加州大学河滨分校从事博士后研究工作。研究领域包括基于动态传感器的交通建模与仿真，智能交通系统，及数据挖掘与机械学习在交通领域的应用等。研究成果在《Journal of Transportation and Traffic Theory》 、《 Transportation Research Part B》等多个国际顶尖交通运输工程和智能交通学术期刊发表。