近日，我校云南省智能物流装备与系统重点实验室团队以昆明学院为第一署名单位，在人工智能领域的顶级期刊《Knowledge-Based Systems》（中科院一区TOP期刊，影响因子IF=7.6）发表了题为“Hybrid Spatio-temporal Graph Neural Network with Attention Fusion for Traffic Flow Prediction”（//doi.org/10.1016/j.knosys.2025.113813）的研究论文。该论文的第一作者是王露老师，第二作者是洪孙焱副教授，通讯作者为迟海洋博士。

图 一种融合注意力机制的混合时空图神经网络模型

精准的交通流预测是智能交通系统的基石，能够实现数据驱动的交通管理、拥堵缓解、城市出行优化、物流路线优化。然而，在实际交通网络中捕获复杂动态的时空相关性仍面临严峻挑战，尤其是在非欧几里得拓扑结构和不断演变的交通模式下。为突破这些局限，提出HSTGNN——一种融合注意力机制的混合时空图神经网络。该模型在统一框架中整合了静态、动态及语义空间依赖性，并采用多尺度门控时序注意力机制。模型包含三大创新模块：(1) 地理空间特征学习模块，通过静态自适应与动态图学习联合捕获稳定与瞬态空间关系；(2) 语义空间特征学习模块，利用动态时间规整与掩蔽注意力机制识别非局部但功能相似的交通节点；(3) 时序特征学习模块，借助门控自注意力建模复杂时序关联。在六个公共基准数据集上的大量实验表明，HSTGNN在预测精度、鲁棒性与泛化能力方面均持续优于现有先进方法。

该研究提出精准交通流量预测的智能模型，能捕捉城市路网中复杂多维的空间依赖性，即时应对道路施工、交通事故及恶劣天气等因素产生动态波动，为智能物流系统提供关键技术支撑。成果得到了云南省智能物流装备与系统重点实验室、云南省科技厅联合基金面上项目、云南省科技创新基地建设项目、云南大观实验室等支持，体现学校在科技厅重点实验室建设的人工智能、智能物流系统等研究领域取得了新的进展。

本研究工作得到以下支持：

云南省智能物流装备与系统重点实验室（202449CE340008）；

云南省科技创新基地建设项目（202407AB110006）；

云南大观实验室课题（YNDG202401ZN01）；

云南省地方本科高校基础研究联合专项（202101BA070001-150）。