近日，我校云南省智能物流裝備與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室團(tuán)隊(duì)以昆明學(xué)院為第一署名單位，在人工智能領(lǐng)域的頂級(jí)期刊《Knowledge-Based Systems》（中科院一區(qū)TOP期刊，影響因子IF=7.6）發(fā)表了題為“Hybrid Spatio-temporal Graph Neural Network with Attention Fusion for Traffic Flow Prediction”（//doi.org/10.1016/j.knosys.2025.113813）的研究論文。該論文的第一作者是王露老師，第二作者是洪孫焱副教授，通訊作者為遲海洋博士。

圖 一種融合注意力機(jī)制的混合時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)模型

精準(zhǔn)的交通流預(yù)測(cè)是智能交通系統(tǒng)的基石，能夠?qū)崿F(xiàn)數(shù)據(jù)驅(qū)動(dòng)的交通管理、擁堵緩解、城市出行優(yōu)化、物流路線優(yōu)化。然而，在實(shí)際交通網(wǎng)絡(luò)中捕獲復(fù)雜動(dòng)態(tài)的時(shí)空相關(guān)性仍面臨嚴(yán)峻挑戰(zhàn)，尤其是在非歐幾里得拓?fù)浣Y(jié)構(gòu)和不斷演變的交通模式下。為突破這些局限，提出HSTGNN——一種融合注意力機(jī)制的混合時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)。該模型在統(tǒng)一框架中整合了靜態(tài)、動(dòng)態(tài)及語義空間依賴性，并采用多尺度門控時(shí)序注意力機(jī)制。模型包含三大創(chuàng)新模塊：(1) 地理空間特征學(xué)習(xí)模塊，通過靜態(tài)自適應(yīng)與動(dòng)態(tài)圖學(xué)習(xí)聯(lián)合捕獲穩(wěn)定與瞬態(tài)空間關(guān)系；(2) 語義空間特征學(xué)習(xí)模塊，利用動(dòng)態(tài)時(shí)間規(guī)整與掩蔽注意力機(jī)制識(shí)別非局部但功能相似的交通節(jié)點(diǎn)；(3) 時(shí)序特征學(xué)習(xí)模塊，借助門控自注意力建模復(fù)雜時(shí)序關(guān)聯(lián)。在六個(gè)公共基準(zhǔn)數(shù)據(jù)集上的大量實(shí)驗(yàn)表明，HSTGNN在預(yù)測(cè)精度、魯棒性與泛化能力方面均持續(xù)優(yōu)于現(xiàn)有先進(jìn)方法。

該研究提出精準(zhǔn)交通流量預(yù)測(cè)的智能模型，能捕捉城市路網(wǎng)中復(fù)雜多維的空間依賴性，即時(shí)應(yīng)對(duì)道路施工、交通事故及惡劣天氣等因素產(chǎn)生動(dòng)態(tài)波動(dòng)，為智能物流系統(tǒng)提供關(guān)鍵技術(shù)支撐。成果得到了云南省智能物流裝備與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室、云南省科技廳聯(lián)合基金面上項(xiàng)目、云南省科技創(chuàng)新基地建設(shè)項(xiàng)目、云南大觀實(shí)驗(yàn)室等支持，體現(xiàn)學(xué)校在科技廳重點(diǎn)實(shí)驗(yàn)室建設(shè)的人工智能、智能物流系統(tǒng)等研究領(lǐng)域取得了新的進(jìn)展。

本研究工作得到以下支持：

云南省智能物流裝備與系統(tǒng)重點(diǎn)實(shí)驗(yàn)室（202449CE340008）；

云南省科技創(chuàng)新基地建設(shè)項(xiàng)目（202407AB110006）；

云南大觀實(shí)驗(yàn)室課題（YNDG202401ZN01）；

云南省地方本科高校基礎(chǔ)研究聯(lián)合專項(xiàng)（202101BA070001-150）。