來(lái)源：嘉大科技

原文鏈接：https://mp.weixin.qq.com/s/RIZgk_CH8GQVNTUxv9SevA

嘉大青年教師周文峰博士研究成果被IJCAI2026主會(huì)錄用：

自適應(yīng)時(shí)空先驗(yàn)知識(shí)嵌入引導(dǎo)Transformer實(shí)現(xiàn)高效交通數(shù)據(jù)預(yù)測(cè)

嘉興大學(xué)夏小云教授智能學(xué)習(xí)與優(yōu)化團(tuán)隊(duì)青年教師周文峰博士最新研究成果被人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議International Joint Conference on Artificial Intelligence (IJCAI 2026)主會(huì)錄用：將交通模式和道路網(wǎng)絡(luò)拓?fù)渲刑N(yùn)含的先驗(yàn)知識(shí)融合入Transformer模型，提升Transformer模型的時(shí)空依賴學(xué)習(xí)能力，以實(shí)現(xiàn)更準(zhǔn)確的交通流數(shù)據(jù)預(yù)測(cè)。

由于交通路網(wǎng)固有的復(fù)雜且動(dòng)態(tài)的時(shí)空依賴性，交通預(yù)測(cè)從根本上來(lái)說(shuō)極具挑戰(zhàn)性。盡管現(xiàn)有的預(yù)測(cè)模型能夠在此任務(wù)上取得一定的成果，但現(xiàn)有預(yù)測(cè)模型依然存在以下問(wèn)題：（1）時(shí)空?qǐng)D神經(jīng)網(wǎng)絡(luò)（STGNN）具有固有的結(jié)構(gòu)限制，難以捕捉長(zhǎng)程時(shí)間依賴性和全局上下文關(guān)系；（2）基于Transformer的模型通常依賴于簡(jiǎn)單的嵌入策略，且現(xiàn)有的嵌入策略仍然存在明顯的局限性：①空間嵌入組件通常未能充分利用道路網(wǎng)絡(luò)的先驗(yàn)結(jié)構(gòu)知識(shí)，從而限制了其表達(dá)能力；②不同嵌入之間的相互作用仍未得到充分建模，因?yàn)楫?dāng)前的方法通常依賴于簡(jiǎn)單的連接或加性融合，因此缺乏更深層次的交叉嵌入相互作用機(jī)制。

研究團(tuán)隊(duì)從嵌入設(shè)計(jì)、交互的角度出發(fā)，將時(shí)間信息先驗(yàn)與空間結(jié)構(gòu)先驗(yàn)以先驗(yàn)嵌入的形式引入到 Transformer預(yù)測(cè)框架中，來(lái)增強(qiáng)模型的時(shí)空表征能力，同時(shí)采用交叉融合機(jī)制來(lái)強(qiáng)化不同嵌入之間的深度交互，特別是自適應(yīng)時(shí)空嵌入與時(shí)間嵌入和空間嵌入之間的交互。此外，還設(shè)計(jì)了一個(gè)多尺度時(shí)空通道注意力模塊，通過(guò)捕獲分層時(shí)間依賴性來(lái)進(jìn)一步改進(jìn)輸入數(shù)據(jù)特征嵌入的建模。在六個(gè)真實(shí)世界交通數(shù)據(jù)集上進(jìn)行的大量實(shí)驗(yàn)和分析表明，所提出的方法在交通預(yù)測(cè)方面達(dá)到了當(dāng)前最先進(jìn)的性能，為解決城市道路交通流數(shù)據(jù)預(yù)測(cè)提供了新的解決方法，與新的解決視角。

相關(guān)研究成果以“ASTPKEFormer: Adaptive Spatiotemporal Prior Knowledge Embedding-Induced Transformers for Traffic Data Forecasting”為題被人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議IJCAI 2026主會(huì)錄用。嘉興大學(xué)為第一單位，文章第一作者為嘉興大學(xué)青年教師周文峰博士，通訊作者是嘉興大學(xué)人工智能學(xué)院夏小云教授，浙江工業(yè)大學(xué)計(jì)算機(jī)學(xué)院孔祥杰教授。該研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2023YFC3305903)、國(guó)家自然科學(xué)基金項(xiàng)目（62476247、61703183）、浙江省自然科學(xué)基金項(xiàng)目（LGG19F030010、ZCLZ25F0201、D24F020013）以及嘉興大學(xué)科研啟動(dòng)基金（70525038）的資助。

IJCAI始于1969年，是國(guó)際人工智能領(lǐng)域研究?jī)?nèi)容最為全面、最具影響力的頂級(jí)學(xué)術(shù)會(huì)議之一。會(huì)議內(nèi)容涵蓋了人工智能理論與架構(gòu)、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)、機(jī)器人科學(xué)等領(lǐng)域，會(huì)議論文代表著人工智能領(lǐng)域最新研究進(jìn)展和最高研究水平。IJCAI最初每2年舉行一次，從2016年開(kāi)始改為每年一次。IJCAI將于今年8月15日至21日在德國(guó)不來(lái)梅召開(kāi)。

Bremen, Germany, 15-21 of August 2026

人工智能學(xué)院夏小云教授智能學(xué)習(xí)與優(yōu)化團(tuán)隊(duì)的主要研究方向是：智能學(xué)習(xí)（以神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)為代表）， 智能優(yōu)化（以進(jìn)化算法、群體智能算法為代表），以及智能學(xué)習(xí)與智能優(yōu)化的深度融合，并且以智慧交通與物流、智能倉(cāng)儲(chǔ)調(diào)度、機(jī)器人路徑規(guī)劃、機(jī)器視覺(jué)與智能控制、工業(yè)智能體、智能系統(tǒng)研發(fā)等為背景， 形成算法理論、算法設(shè)計(jì)與實(shí)際工程應(yīng)用相結(jié)合的整體研究思路。

作者介紹

周文峰，博士，嘉興大學(xué)青年教師。2025年6月獲浙江工業(yè)大學(xué)電子信息專業(yè)博士學(xué)位，同年加入嘉興大學(xué)人工智能學(xué)院。聚焦人工智能、時(shí)空數(shù)據(jù)挖掘、智慧交通等應(yīng)用基礎(chǔ)研究。在IEEE Transactions on Intelligent Transportation Systems、Knowledge-Based Systems、Neurocomputing、IJCAI、CECNet等國(guó)際期刊、會(huì)議發(fā)表學(xué)術(shù)論文十余篇，最佳會(huì)議論文（CECNet 2022 Best paper）一篇，授權(quán)國(guó)家發(fā)明專利1項(xiàng)。參與了國(guó)家自然科學(xué)基金面上項(xiàng)目、浙江省尖兵領(lǐng)雁項(xiàng)目等多項(xiàng)課題研究。

來(lái)源：人工智能學(xué)院

初審：周鵬

二審：夏小云

終審：沈小軍

編輯：鄧文龍