喜报 | 我所一篇论文被智能交通领域顶级期刊IEEE TITS录用

发布时间：2022年11月10日

      由我所师生合作完成的一篇论文Spatial-Temporal Position-aware Graph Convolution Networks for Traffic Flow Forecasting被智能交通领域顶刊IEEE Transactions on Intelligent Transportation Systems (TITS)录用，论文由我所博士生赵苡积在林友芳老师和万怀宇老师的指导下完成。

      现有研究表明，捕获道路网络节点之间的相关性对于提高交通流量预测的准确性至关重要。一般而言，两个节点之间存在空间、时间和联合时空相关性，其强度与空间和时间位置因素有关。例如，在交通枢纽发生的交通拥堵比在岔路发生的交通拥堵具有更广泛和更强的影响，且影响随时间位置改变而变化。尽管时空图卷积网络已成为建模时空关系的流行范式，但现有模型仍然存在三个问题：（i）未能有效地建模联合时空相关性；（ii）在对上述相关性进行建模时忽略空间和时间位置因素；（iii）未能捕捉到每个节点的独特时空模式。针对上述问题，本文提出了一种新颖的时空位置感知图卷积网络（STPGCN）用于交通流预测。具体而言，首先构建了一个可训练的嵌入模块来表示节点的空间和时间位置。随后，提出了一种时空位置感知关系推理模块，用于动态地推断时空关系权重。在此基础上，构造了一个图卷积层用于聚合和更新节点特征。最后，我们在图卷积中设计了一个时空位置感知的门控激活单元，在位置嵌入的引导下捕获节点特定的模式特征。在六个公开数据集上进行了大量实验，实验结果证明了我们的模型在预测性能和计算效率方面的优越性。