【课题推荐发表期刊】

【课题背景】

随着全球城市化进程的加快，城市人口和车辆数量迅速增加，导致城市交通拥堵、事故频发和空气污染等问题日益严重。这些问题不仅影响城市居民的日常生活和工作效率，还对环境质量和城市可持续发展造成威胁。城市交通问题已经成为全球城市规划和管理的热点话题，如何有效解决这些问题，提高城市交通效率，是当前亟待解决的难题。

本课题将采用基于机器学习或深度学习的算法进行城市交通流量预测，通过相关具体问题的研究，辅助开展城市交通优化方案的设计和实施。

【课题方向参考】

• 交通预测中的特征选择问题

• 交通预测中的时空关系建模

• 交通预测中的图构造方法

• 交通预测中的时空关系融合策略

【适合人群】

计算机科学相关专业的硕士研究生，要求掌握Python，基本掌握Pytorch的使用方法。

【课题收获】

• 高质量论文一篇（SCI/CCF定向期刊）

• SCI/CCF期刊投递与发表指导

• 结业证书

【导师介绍】

罗老师，211高校，副教授

• 长期担任多个定期期刊/会议的审稿人，包括IEEE Transactions on Intelligent Transportation Systems，IEEE Transactions on Intelligent Vehicles等

• 研究方向：交通时空预测等

• 以第一作者身份发表计算机行业核心期刊论文8篇，包括中科院一区2篇

• 具备丰富的英文写作经验和学术指导经验；熟练使用Python、Matlab等工具

【课题安排】

研究周期预估六个月左右，具体视学员情况调整

【推荐阅读】

• 2022 Deep Learning on Traffic Prediction: Methods, Analysis, and Future Directions

• 2022 Learning Dynamics and Heterogeneity of Spatial-Temporal Graph Data for Traffic Forecasting

• 2023 Localised Adaptive Spatial-Temporal Graph Neural Network