近日，软件学院宫永顺教授团队关于鲁棒时空预测的多项研究成果被国际著名期刊IEEE Transactions on Knowledge and Data Engineering(TKDE)和会议IJCAI 2025接受，山东大学为第一作者和通讯作者单位。科研成果如下：

1.STMPNet:基于多变量概率预测的交通预测模型。本成果“Spatio-Temporal Multivariate Probabilistic Modeling for Traffic Prediction”被国际著名期刊TKDE接收，文章共同第一作者为山东大学硕士研究生安洋，通讯作者为山东大学教授宫永顺。

该研究指出交通预测是智慧交通系统的重要任务，可以处理复杂且动态的时空相关性。目前，大部分的工作关注于点估计模型，仅输出在一个时间交通数据一个属性的一个值，无法描述未来多种情况和不确定性。而且，大部分模型不够灵活去解决真实复杂的交通场景，包括缺失值和非均匀采样数据。交通数据不同属性的交互也很少显示探索。该研究关注于交通预测任务的概率估计，提出了一个时空多变量概率预测模型去估计交通数据的分布。

2.STDA：跨城市细粒度城市流量推断的时空偏差对齐学习。该成果“STDA: Spatio-Temporal Deviation Alignment Learning for Cross-city Fine-grained Urban Flow Inference”被国际著名期刊TKDE接收，文章第一作者为山东大学硕士研究生杨敏，通讯作者为山东大学教授宫永顺。

该研究指出，细粒度城市流量推断(FUFI)对交通管理至关重要，它能够从粗粒度观测数据中推断出高分辨率的城市流量分布图。现有FUFI方法通常仅针对单一城市，并依赖大规模数据集的全面训练来实现精确推断。然而，新建城市的数据可获得性往往有限，这为构建高性能的FUFI模型带来了挑战。为解决这一问题，该研究提出跨城市细粒度流量推断方法，并设计了一种时空偏差对齐(STDA)框架，通过元迁移学习将多个数据丰富城市的时空知识迁移至数据稀缺城市，以缓解多源城市与目标城市之间的时空分布偏差和城市结构偏差。

3.ASTCL：基于自适应时空上下文学习的交通预测。本成果“Adaptive Traffic Forecasting on Daily Basis: A Spatio-Temporal Context Learning Approach”被国际著名期刊TKDE接收，文章第一作者为山东大学硕士研究生李晓宇，通讯作者为山东大学教授宫永顺。

该研究指出交通预测在构建智能交通系统中发挥着关键作用，能够提供重要的决策依据。现有的交通预测方法基于一个核心假设：大规模数据集中存在隐式不变的时空模式。然而在实际场景中，交通模式极易受到诸多不可预测的外部因素影响，例如政策调控及气候变化等。该研究提出一种自适应时空上下文学习框架ASTCL。该框架利用数十个传感器采集的单日交通数据，通过构建交通网络中目标区域的自适应时空上下文，并基于语义相似性生成动态序列图，有效提升了预测精度。

4.CAN-ST：基于自适应聚类的时空分布外学习模型。该成果“CAN-ST: Clustering Adaptive Normalization for Spatio-temporal OOD Learning”被国际著名会议IJCAI 2025接收，文章第一作者为山东大学硕士研究生杨敏，通讯作者为山东大学教授宫永顺。

该研究指出，在现实世界中，由于时间和空间上的快速变化，训练和测试数据往往并非独立同分布。这种非平稳性给精准预测带来了巨大挑战，并推动了研究者们致力于通过归一化手段缓解非平稳性的相关工作。该研究提出了一种通用且与模型无关的新方法——时空聚类自适应归一化。该方法通过自适应聚类机制，捕捉节点间共享的分布演化模式，并结合参数注册模块实现更稳健的时间序列建模。作为一种可插拔模块，CAN-ST 可以轻松集成到各类时空预测模型中，提升了各类模型的泛化能力。

5.STPro：基于多层次时空原型学习的起点-终点需求预测。本成果“Spatio-temporal Prototype-based Hierarchical Learning for OD Demand Prediction”被国际著名会议IJCAI 2025接收，文章共同第一作者为山东大学硕士研究生袁诗露和李晓宇，通讯作者为山东大学教授宫永顺。

该研究指出起点-终点（OD）需求预测是智能交通系统中关键且富有挑战性的任务，其目标在于精准预测城市路网中跨站点的客流分布。该研究提出STPro，一种基于时空原型的分层模型。该模型采用双分支架构，从微观与宏观双重视角提取时空特征，从而挖掘城市移动性的潜在规律。该研究通过构建双分支结构，区分节点作为起点与终点的异质角色，并利用互信息建模二者复杂的交互与关联关系。

IEEE Transactions on Knowledge and Data Engineering 是数据挖掘领域的国际顶级学术期刊，影响因子为8.9，是中国计算机学会推荐A类学术期刊。国际人工智能联合会议（IJCAI）是人工智能领域中最主要的学术会议之一，为中国计算机学会A类推荐会议。

宫永顺教授主要从事时空数据挖掘和人工智能的研究，主要包括鲁棒时空预测、表征学习、大模型、自然语言处理、城市计算等。研究成果已发表于TPAMI、AIJ、TKDE、SIGKDD、IJCAI、AAAI、NeurIPS等CCF A类期刊和会议，相关研究得到国家自然科学基金、山东省重大基础研究项目、泰山学者、山东省优青等项目资助。