近日，福州大学数字中国研究院（福建）硕士研究生钟诚（指导教师吴升教授、王培晓助理研究员）在顶级期刊International Journal of Geographical Information Science （SCI/SSCI，中科院一区TOP，影响因子：5.1）发表城市人类活动强度预测研究成果——Predicting human activity intensity in urban areas with a prior-enhanced probabilistic-deterministic model。

  文章摘要：尽管已有大量用于城市人类活动强度预测的模型被提出，但其仍受到两个主要问题的制约：（1）未能有效融入合适的先验知识，而这些先验对于提升预测精度和模型可解释性至关重要；（2）未能将概率预测与确定性预测有机结合，从而无法同时兼顾不确定性量化与高精度预测的互补优势。为应对上述挑战，我们提出了一种先验增强的双模式时空图神经网络（PED-STGNN），同时支持概率预测和确定性预测。具体而言，我们引入了超图节点向量化（hypernode2vec）方法，以捕捉源于城市区域间复杂多元关系的多元功能相似性先验。与基于一阶对偶关系来表征区域间关系的传统方法相比，该种功能相似性先验能够更精确地刻画复杂的城市系统特征从而提升预测精度与可解释性，使得空间依赖建模不再局限于传统的一阶对偶关系，转而采用高阶多元结构进行建模。此外，我们设计了一个可插拔的概率预测模块，使得模型能够灵活切换概率与确定性两种预测模式。基于中国福州市人类活动强度的实证实验表明，该方法在预测精度、可解释性和多应用场景适应性方面均具有显著优势。

论文引用：Cheng Zhong, Sheng Wu, Peixiao Wang, Hengcai Zhang, Shifen Cheng & Feng Lu (23 Sep 2025): Predicting human activity intensity in urban areas with a prior-enhanced probabilistic-deterministic model, International Journal of Geographical Information Science, DOI: 10.1080/13658816.2025.2562250

  论文链接：https://doi.org/10.1080/13658816.2025.2562250