近日，由我院陈传明副教授、研究生魏晨晖等人完成的研究成果：“Attention dynamic graph convolutional network for traffic flow prediction”被人工智能领域国际权威期刊Engineering Applications of Artificial Intelligence录用并发表。

图1 ADGCN模型框架

交通流量预测是智能交通系统的关键任务之一，对城市规划、交通管理和应急响应具有重要意义。现有研究大多依赖静态或数据受限的邻接矩阵建模交通网络连接，难以有效捕捉实时动态变化和复杂的时空依赖关系。针对上述问题，本文提出了一种新型的注意力动态图卷积网络模型（结构如图1所示），将自适应动态图卷积、轻量化门控循环单元和增强型通道注意力机制相结合，从而在保持高预测精度的同时显著降低计算复杂度。该模型通过引入基于节点嵌入与输入特征的动态图生成方法，能够自适应地捕捉交通网络中随时间变化的空间依赖关系，而无需预定义图结构；同时利用轻量化GRU单元优化门控机制与隐藏层维度，训练时间大幅度减少，显著提升了预测效率；增强的注意力机制进一步强化特征通道间的依赖关系，使模型能够聚焦于关键特征，提高预测精度。在六个真实世界交通数据集上的实验结果表明，所提模型在核心指标上均优于绝大多数主流方法，且在训练效率与实时性方面表现突出，为智能交通系统的落地应用提供了高效、可靠的技术支撑。该成果现已被Engineering Applications of Artificial Intelligence期刊在线发表https://doi.org/10.1016/j.engappai.2025.112642，我院陈传明副教授为通信作者，研究生魏晨晖为论文第一作者，安徽师范大学计算机与信息学院为第一完成单位。

Engineering Applications of Artificial Intelligence（简称EAAI）是人工智能领域的国际权威学术期刊，由Elsevier出版社出版，为中科院SCI期刊“计算机科学”大类的一区Top期刊、中国计算机学会CCF推荐的C类国际期刊，最新影响因子为8.0。