讲座人：苏宏阳 博士生

题目：基于中枢时空模式识别的交通预测方法研究

时间：2025年6月2日14: 30-15: 00

地点：L1512

讲座内容：

交通预测的挑战在于有效捕捉交通数据的时空特征。近期研究指出，路网中关键节点因其在流量分配方面起到核心作用而具有显著影响。然而，现有的交通预测方法仅关注和流量分发能力相关的中枢空间节点，并且忽视了具有重要空间语义属性的中枢节点。此外，现有研究仅仅从空间维度探索了时空模式的中枢特性，忽视了交通数据在时间维度的中枢模式。为此，本文提出一种时空中枢注意力网络（STPformer），其具有以下特性：1）提出融合霍克斯过程的突变感知中枢时间注意力机制，以精准捕捉历史序列到未来序列的转移模式；2）设计结合概率稀疏化机制的中枢空间注意力，自适应捕获具有重要空间语义属性节点之间的空间关联。通过将上述组件集成在Transformer架构中实现细粒度的时空关联捕捉从而提升交通预测性能。大量实验验证了STPformer在预测精度、计算效率、可扩展性及可解释性方面的优势。