近日，交通运输学院智能无人驾驶技术研究团队研究生胡志远同学的科研论文“An Improved Dynamic Chebyshev Graph Convolution Network for Traffic Flow Prediction with Spatial-Temporal Attention”被Applied Intelligence录用。该期刊以人工智能和神经网络研究为重点，旨在解决现实生活中无法通过传统方法解决的复杂实际问题，位列JCR Q1分区。
该研究团队通过大量调研工作，发现现有的交通拓扑图更新方法多数采用了比较典型的时序模型，无法充分整合交通路网的动态变化特性，使其预测精度与更新速度都受到限制。为此，提出了一种融合注意力机制与切比雪夫图卷积网络的图更新方法，该方法充分结合交通路网动态变化特性，有效提高了交通流预测模型精度和模型计算效率。通过大量实验表明，该方法可有效提高复杂路网的交通流预测能力。
交通运输学院智能无人驾驶技术研究团队由廖律超副教授领衔，该团队主要从事智能驾驶技术、交通流预测、出行模式分析等方面的研究，该收录论文是研究团队在交通流预测的最新成果之一。
依托于智能无人驾驶研究中心等多个省级科研平台及其研究团队，交通运输学院以研究生培养各环节为着眼点，从生源质量、导师指导制度、营造学术氛围、学位论文、学生实践能力、学生道德观培养等方面全面加强研究生培养质量建设，构建“立德树人、知行合一”的研究生培养机制，培养研究生的全面发展。（智能无人驾驶技术福建省高校工程研究中心供稿）
图1. 提出的交通流预测模型系统架构图
图2. 典型方法与提出模型的预测效果对比图
