近日，我校信息工程学院人工智能系章东平老师团队在交通速度预测领域取得重要进展，研究成果以题为 “Graph convolutional networks with multi-scale dynamics for traffic speed forecasting” 的学术论文，发表在国际知名期刊《Applied Soft Computing》（论文发表时为中科院一区期刊，影响因子：7.2）上。

针对现有模型在多尺度时间特征与动态空间结构建模方面的不足，章东平老师团队提出了一种多尺度动态门控图卷积网络（MDGGCN），通过引入多尺度转换模块提取交通速度数据的粗细粒度特征，并设计动态图交互策略以融合静态图与自适应图的空间信息，有效提升了模型对复杂交通模式的建模能力。实验证明，该模型在多个真实数据集上均显著优于主流方法，预测误差最高降低达6.1%。

该研究不仅拓展了图神经网络在时空建模中的应用边界，也为城市交通智能调度提供了理论支持与技术路径。未来，该团队将继续探索融合天气、道路事件等多源数据的深度预测模型，进一步提升交通预测的实时性与精准性。

本研究得到了浙江省重点研发计划（项目编号：2024C01108, 2024C01028）、杭州市重点研发计划（2024SZD1A09, 2023SZD0046）及宁波市重点研发项目（2024Z114）的资助支持。

论文链接：https://doi.org/10.1016/j.asoc.2025.112966