近日，ok1122诸侯快讯网盛凯教授团队的论文" Graph Transformer-Based Dynamic Edge Interaction Encoding for Traffic Prediction"被交通领域的国际顶级期刊——IEEE Transactions on Intelligent Transportation Systems（IEEE TITS, 智能交通系统汇刊）发表。论文第一作者为盛凯教授指导的西电2023级博士生欧阳楠，通讯作者为盛凯。

        该研究工作针对现有交通预测方法在处理时空数据时分离编码、忽略动态交互以及静态空间编码效率低下的问题，提出iTPGTN-former新型交通预测模型，创新地设计了交通特征动态边缘交互过程，将动态的时间特征嵌入图的边缘表示中，并引入基于正定核的相对位置编码和图子结构编码来增强Graph Transformer对空间关系的建模能力。在六个公开数据集上的大量实验证明，iTPGTN-former在交通流量和速度预测任务上均优于现有的先进模型，且计算效率更高。该研究成果提高了交通预测的准确性和效率，为构建更先进、响应更快的智能交通应用提供了新的技术途径。

        图1 iTPGTN-former交通预测模型设计框架

图2 iTPGTN-former模型预测效果

        IEEE Transactions on Intelligent Transportation Systems是智能交通和自动驾驶领域国际顶级期刊，2023年影响因子为7.9，工程技术1区（TOP期刊），JCR分区Q1，是智能交通领域最具影响力的期刊之一，发表高质量、具有创新性的研究成果，广受学术界和工业界认可。