研究方向

基于时空深度学习的交通流预测框架 准确的交通信息长序列预测对于智能交通系统的发展至关重要。我们可能会受益于神经网络分析技术的快速发展，从而更好地了解交通网络的基本功能模式。由于交通数据和设施利用情况依次依赖于过去和现在的情况，因此已经开发了几种基于时间依赖性提取模型的相关神经网络技术来解决该问题。另一方面，复杂的拓扑道路结构放大了空间相互依赖的影响，这是纯粹的时间提取方法无法捕捉到的。此外，典型的深度递归神经网络 (RNN) 拓扑对全局信息提取有一定的限制，这是全面的长期预测所必需的。本研究提出了由考虑边缘连通性的图神经网络（GNN）和门控循环单元（GRU）组成的时空图卷积网络（STGCN）来处理相关交通数据的时空依赖性。在具有不同视野的两个真实世界交通数据集上，实验结果验证了长序列预测能力，并提供了进一步的解释。

 

相关学科

计算机科学技术

 

科研导师

R. L

• 新加坡南洋理工大学电气与电子工程学院工程学博士&学士；
• 研究方向为人工智能、机器学习、深度学习、智慧交通、时序预测、车辆分类、图像识别、卫星遥感、GPS数据；
• 在国际和国内高水平sci期刊发表论文六篇， 国际会议发表论文七篇；
• 作为三个国际期刊和六个IEEE国际会议的审稿人，三个IEEE国际会议的分会组织者等，且有两项技术披露和专利。

科研成果

成果一：在英文期刊中发表学术论文

有方学者项目能够为学员在正规的英文学术期刊中发表论文。正规的学术期刊均要求由独立审稿人决定论文的录用与否。因此，论文的成功发表标志着这篇文章已达到学界公认的学术标准。有方学者最优秀的学生，不但可以冲击EI、SCI等高级别期刊，而且有机会参与全球顶级的学术会议。

成果二：第一作者身份

有方学者项目坚持帮助学生以第一作者身份发表论文。在申请过程中，招生官最看重的是学生在科研项目中的参与程度，而第一作者顺位恰恰是这一点的最佳证明。近年来，有大量的中国学生在教授署名的论文中挂名，这使得第一作者身份的含金量更为突出。

成果三：独一无二的课题

有方学者项目的导师会为每个学生提供独一无二的课题，连接最前沿的科研方法和学生感兴趣的学术方向，每个学生的研究内容具有差异性。

成果四：顶尖院校导师的推荐信

有方学者项目将为学生提供项目导师撰写的推荐信。导师作为推荐人，来自于美国顶尖学府的科研团队，影响着推荐信的可信度；而导师所提供的丰富的细节和生动的描述能更好展现学生的过人之处，从而大大提高了推荐信的价值。

成果五：高效备战具有高影响力、高含金量的科研竞赛

学生可以直接使用有方学者项目的成果论文冲击多项全球顶级的科研赛事，其中包括：被誉为“中国青年的诺贝尔奖”的丘成桐科学奖、ISEF 国际科学与工程奖、全国青少年科技创新大赛等。

 

 

了解更多详情

请扫描二维码

关注「有方背景提升」