文章总结： 北京交通大学提出的概率交通流预测论文RIPCN被KDD2026录用。该研究针对现有方法难以解释物理机制及建模不确定性高的问题，设计了融合道路阻抗先验与主成分建模的统一框架。该模型通过动态阻抗结构及主成分分析，高效捕获时空相关性，显著降低了计算成本并提升了预测精度与可解释性。
综合评分： 85
文章分类： 车联网安全
北京交通大学 | 网络科学与智能系统研究所一篇时空数据预测的工作被国际顶级会议KDD 2026录用
信息网络安全杂志
2025年12月25日 17:04
上海
点击蓝字 关注我们
由北京交通大学网络科学与智能系统研究所师生合作完成的论文“RIPCN: A Road Impedance Principal Component Network for Probabilistic Traffic Flow Forecasting” 已成功被国际顶级学术会议 KDD 2026 录用。论文主要由我所博士生吕皓辰、已毕业博士林彦（现为奥尔堡大学博后）合作完成，博士生毛潇苇、贡乐天和本科生聂红参与研究工作，并由郭晟楠、林友芳、万怀宇三位老师指导完成。
交通流预测在智能交通系统中具有重要意义，但现有的概率交通预测方法在解释预测背后的物理机制以及准确建模不确定性方面仍存在明显局限。一方面，复杂路网中的交通状态受隐含的道路阻抗影响，不同道路的时空演化特性对未来交通分布具有关键作用，但传统模型难以刻画这一影响；另一方面，不确定性的时空相关结构难以直接从原始流量数据中高效建模，导致协方差估计维度高、计算成本大、解释性不足。针对这些挑战，本研究提出RIPCN，一个融合交通领域知识先验与主成分建模的统一概率预测框架。首先，在道路阻抗建模方面，提出可动态演化的道路阻抗结构，用以表征不同道路在时空上的拥堵趋势、流动性以及对未来交通变化的不确定性贡献，从而解释随机性来源；其次，在时空相关性学习方面，基于主成分分析构建时空协方差主成分预测模块，能够在降维后的特征空间中高效捕获不确定性的时空耦合模式，并显著降低协方差建模的维度与计算开销；最后，RIPCN 实现了模型的可解释性，并在点预测精度、不确定性估计质量以及计算效率方面取得了提升。
来源：北京交通大学网络科学与智能系统研究所
往期精彩回顾
从竞赛“练兵场”到人才“孵化器”: 湖南大学、复旦大学、四川大学、西安邮电大学引领塑造网络安全新生力
守护语音安全: 华中科技大学CPSS团队如何打造Anti-Deepfake系统斩获创意作品赛冠军？
“网安+法学”双学位 | 看南开大学、东南大学、重庆邮电大学在新赛道上加速跑
“实战派”网安人才培养新范式，看上海交大、暨南大学、湖南大学如何转变模式锻造网安实战人才
顶会论文“存活”指南：从清华、天大、杭电审稿人视角看网络安全顶会 | IEEE S&P 审稿流程全解析
信息网络安全
《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。
中文核心期刊
中国科技核心期刊
中国科学引文数据库来源期刊
CCF计算领域高质量科技期刊
我们在不断努力和完善中，期待您的关注和支持！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：信息网络安全杂志 《北京交通大学 | 网络科学与智能系统研究所一篇时空数据预测的工作被国际顶级会议KDD 2026录用》