近日，我院管理科学与工程专业2023级博士研究生刘文正创新性研究成果《Dynamic Spatio-Temporal Graph Fusion Network modeling for urban metro ridership prediction》发表于国际顶级期刊《Information Fusion》。该论文以刘文正为第一作者，导师李洪涛教授为通讯作者，兰州交通大学为第一署名单位，获得了国家自然科学基金、兰州交通大学青年科学基金以及甘肃省科技计划资助项目的联合支持。《Information Fusion》作为计算机科学和人工智能领域的顶级期刊，2024年最新影响因子为14.8，属于中科院一区的Top期刊。该期刊专注于信息融合、数据融合、知识融合等领域的前沿研究，依据最新的JCR统计，在“Computer Science: Artificial Intelligence”学科的197个期刊中排名第4，在“Computer Science: Theory & Methods”学科的143个期刊中排名第2。

研究提出了一种创新的动态时空图融合网络模型（DSTGFN），旨在通过全面挖掘时空特征以精准捕捉城市地铁客流量时空演化规律。模型基于非负张量分解技术构建动态虚拟图，揭示了地铁网络进出站客流之间的深层次互动模式。研究提出了一种新的多模块并行学习模式，设计了四个特征挖掘模块：时间模块、静态空间模块、动态空间模块和动态时空模块。通过特征融合模块对不同类型特征进行提取与压缩，实现了对地铁客流波动中关键特征的融合，从而提升了模型对复杂地铁网络动态信息的表征能力。基于对杭州和上海城市地铁网络数据的实证分析，DSTGFN在地铁网络时空特征提取能力、精确预测能力、鲁棒性及整体性能方面展现了显著优势。这一研究成果可为城市轨道交通管理提供科学的数据支持，有助于缓解交通拥堵，提高城市交通运行效率。

李洪涛教授研究团队长期致力于人工智能赋能智慧交通的应用研究，聚焦于交通大数据分析与挖掘、交通状态估计与决策、驾驶意图识别与风险控制以及旅游、环境污染预测等研究领域，持续探索前沿方法与技术创新。近年来研究团队已在国际顶级期刊发表论文20余篇，其中中科院一区论文12篇，二区论文5篇。2024年度，团队在Information Fusion（计算机技术学科高质量科技T类期刊，一区Top期刊）发表论文1篇，在Information Science（计算机技术学科高质量科技T类期刊，一区Top期刊）发表论文2篇，在Applied Soft Computing（国际知名一区Top期刊）发表论文1篇，同时在Measurement、Journal of Forecasting等国际知名期刊发表论文2篇，充分展现了团队在该领域的卓越研究实力和持续创新能力。

（文图/李洪涛）

（审核/吕   斌）