实验室核心成员王嘉宏副教授于2023年9月在SCI四区期刊Journal of Intelligent & Fuzzy Systems发表题为"A Two-stage Convolution Network Algorithm for Predicting Traffic Speed based on Multi-feature Attention Mechanisms"的论文。

论文简介：

深度学习方法在建立交通速度预测的时空相关性方面具有良好的性能。然而，由于深度学习模型的复杂性，它们大多只使用时间维度上的短期历史数据，这限制了它们处理长期信息的有效性。为了解决这个问题，我们提出了一个基于多特征注意机制的两阶段卷积网络交通速度预测算法。该方法截取较长的单特征历史数据，将其转换为具有多个时间段特征的较短多特征数据，并使用最近的过去点作为主要特征。同时，引入了两阶段注意力机制来捕捉不同时间段特征和时间步长的重要性，并使用时间图卷积网络（T-GCN）代替传统的递归神经网络。在洛杉矶高速公路（Losloop）和深圳-罗湖区計程車（Sz-Taxi）两个数据集上进行的一系列数值实验分析，显示出我们所提出的两阶段卷积网络预测算法在预测精度方面优于广泛使用的众多对比模型。