近日，烟台大学计算机与控制工程学院于自强教授团队的最新研究成果被数据科学领域国际顶级会议The 43nd IEEE International Conference on Data Engineering (ICDE2027)录用，论文题目为“CRSTNet: Efficient Spatio-Temporal Forecasting via Adaptive Cluster Routing”。

          ICDE与SIGMOD、VLDB并称数据管理与数据库领域的“三大顶会”，是中国计算机学会（CCF）推荐的A类国际学术会议，在国际上享有盛誉并具有广泛的学术影响力，其收录的论文代表了数据库领域最前沿的研究成果。

CRSTNet：自适应聚类路由的高效时空预测模型框架

         时空预测是智慧交通领域的关键科学问题，对于道路车流量预测、路线规划、物流运输具有重要作用。针对该问题，于自强教授团队提出一种自适应聚类路由的时空高效预测模型（CRSTNet）。区别于传统顶点级表征的图神经网络，CRSTNet提出簇级表征的自适应时空聚类图神经网络，能够有效削减特征相似空间区域的冗余计算，抑制单点噪声，提升时空预测的效率和精度。模型训练耗时降低 1–2 个数量级，预测精度优于或十分接近现有 SOTA 方法。

        该研究成果以烟台大学为第一单位，于自强为通讯作者，研究生王超凡为第一作者。该项工作获得国家自然科学基金、山东省自然科学基金等课题支持。

  作者：郑强   责任编辑：王莹洁   审核：段昕