研究所一篇时空数据预测论文的谷歌学术单篇引用量突破3000次

发布时间：2025年06月12日

      近日，一篇由我所师生完成并发表于CCF-A类会议AAAI-2019的时空数据预测论文在谷歌学术网站上的单篇引用量突破了3000次，标志着该论文已成为时空数据预测领域的高影响力经典学术论文。

      该论文标题为“Attention Based Spatial-Temporal Graph Convolutional Networks for Traffic Flow Forecasting”，由我所博士生郭晟楠（已毕业留校并破格晋升副教授）、林友芳老师、硕士生冯宁（已毕业，现就职于招商银行）、宋超（已毕业，现任阿里菜鸟技术负责人）和万怀宇老师共同完成。该论文提出了一种基于注意力机制的时空图卷积神经网络模型ASTGCN，通过建模交通数据的时空动态关联性来提升交通数据预测的准确性。该论文自发表以来，很早就入选了谷歌学术网站的Top Cited Papers和著名学术知识图谱网站PaperDigest的Most Influential AAAI Papers。该论文提出的ASTGCN模型已被纳入多个著名的开源交通数据预测算法库，并已成为时空数据预测领域最广泛使用的基准模型之一。

      值得一提的是，研究所发表的另外3篇时空数据预测论文也产生了较大的学术影响力。2019年发表于IEEE Trans. on ITS的一篇论文（提出了ST-3DNet模型），其谷歌学术引用量达到了450余次，入选了ESI高被引论文；2020年发表于AAAI的一篇论文（提出了STSGCN模型），其谷歌学术引用量达到了1500余次，入选了谷歌学术网站的Top Cited Papers和PaperDigest的Most Influential AAAI Papers；2022年发表于IEEE Trans. on KDE的一篇论文（提出了ASTGNN模型），其谷歌学术引用量达到了600余次，入选了ESI热点论文。

      以上代表性论文产生的较大学术影响力表明，研究所在时空数据预测领域具有了较高的学术研究水平和技术积累。研究所将进一步探索时空数据挖掘领域的前沿技术，并致力于相关技术在交通、物流、能源、水利等领域的落地应用。