【學(xué)術(shù)期刊】《Knowledge-Based Systems》，2025年
【作者簡(jiǎn)介】蔣鋒，中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院教授、博士生導(dǎo)師。主要研究領(lǐng)域?yàn)樯疃葘W(xué)習(xí)、優(yōu)化算法與神經(jīng)網(wǎng)絡(luò)。主持國(guó)家自然科學(xué)基金項(xiàng)目、教育部人文社科基金項(xiàng)目等多項(xiàng)科研項(xiàng)目，在《IEEE Transactions on Knowledge and Data Engineering》、《 Science China Information Sciences》等國(guó)際權(quán)威期刊發(fā)表論文80余篇。韓興鈺，中南財(cái)經(jīng)政法大學(xué)統(tǒng)計(jì)與數(shù)學(xué)學(xué)院博士研究生。主要研究領(lǐng)域?yàn)?/span>多模態(tài)深度學(xué)習(xí)、跨域知識(shí)遷移、時(shí)空預(yù)測(cè)與圖神經(jīng)網(wǎng)絡(luò)。研究成果已發(fā)表于《Information Sciences》、《Knowledge-Based Systems》等人工智能領(lǐng)域國(guó)際權(quán)威期刊，曾榮獲博士研究生國(guó)家獎(jiǎng)學(xué)金、"華為杯"中國(guó)研究生數(shù)學(xué)建模競(jìng)賽國(guó)家二等獎(jiǎng)等榮譽(yù)。
【主要觀點(diǎn)】
隨著城市化進(jìn)程不斷加快，精準(zhǔn)的交通預(yù)測(cè)已成為構(gòu)建高效智能交通系統(tǒng)的關(guān)鍵環(huán)節(jié)，對(duì)城市路網(wǎng)規(guī)劃、交通管理與公眾出行具有重要現(xiàn)實(shí)意義。然而，傳統(tǒng)預(yù)測(cè)模型往往難以充分捕捉交通數(shù)據(jù)中復(fù)雜的時(shí)空動(dòng)態(tài)關(guān)聯(lián)，尤其在對(duì)各節(jié)點(diǎn)獨(dú)特屬性與全局共享特征的協(xié)同建模方面存在明顯局限。
本文提出了一種名為“時(shí)空交互學(xué)習(xí)動(dòng)態(tài)自適應(yīng)圖卷積網(wǎng)絡(luò)（SILDAGCN）”的創(chuàng)新模型，該模型通過構(gòu)建動(dòng)態(tài)自適應(yīng)圖卷積結(jié)構(gòu)，能夠同時(shí)學(xué)習(xí)路網(wǎng)中各節(jié)點(diǎn)的共享特征與獨(dú)有特性；進(jìn)一步引入時(shí)空特征交互學(xué)習(xí)機(jī)制，實(shí)現(xiàn)了多維度時(shí)空依賴關(guān)系的深度融合與相互增強(qiáng)。通過在多個(gè)真實(shí)交通數(shù)據(jù)集上的系統(tǒng)驗(yàn)證，本研究主要得出以下結(jié)論：第一，SILDAGCN模型在交通流量與需求預(yù)測(cè)任務(wù)中均表現(xiàn)出優(yōu)越性能。與現(xiàn)有主流圖神經(jīng)網(wǎng)絡(luò)模型相比，其在多個(gè)評(píng)價(jià)指標(biāo)上均取得顯著提升，證明了模型在捕捉復(fù)雜時(shí)空動(dòng)態(tài)方面的有效性。第二，模型具備較強(qiáng)的泛化能力與實(shí)用性。在包括PEMS03、PEMS08等不同規(guī)模、不同特性的真實(shí)數(shù)據(jù)集上，SILDAGCN均能保持穩(wěn)定的預(yù)測(cè)精度，顯示出其對(duì)多樣化城市交通場(chǎng)景的適應(yīng)能力。第三，該模型在提升預(yù)測(cè)性能的同時(shí)，兼顧了計(jì)算效率。通過引入多頭部注意力機(jī)制與動(dòng)態(tài)圖生成器，模型在參數(shù)量適度增加的情況下，大幅降低了訓(xùn)練時(shí)間，為在實(shí)際系統(tǒng)中的部署應(yīng)用提供了可能。本研究為時(shí)空預(yù)測(cè)問題提供了新的建模思路，所提出的SILDAGCN框架對(duì)推動(dòng)智能交通系統(tǒng)的發(fā)展具有重要的理論價(jià)值與應(yīng)用前景。
