近日，福州大学数字中国研究院（福建）硕士研究生王林柏芝（指导教师吴升教授、王培晓助理研究员）在《Sustainable Cities and Society》（SCI，中科院一区TOP，影响因子：13.3）期刊发表题为“Predicting citywide human mobility with a graph-prior-enhanced euclidean convolutional network“的研究成果。

文章摘要：城市范围内细粒度人类移动性预测，对城市交通管理及可持续发展意义重大。现有模型在大尺度细粒度场景下难以兼顾预测精度与计算效率：基于欧几里得结构的模型精度受限，而基于非欧几里得结构的模型在大尺度下面临严重的效率低下问题。鉴于此，本研究提出了一种图先验增强的欧几里得卷积网络（Graph-Prior-Enhanced Euclidean Convolutional Network，GPECN），旨在实现高效精准地预测城市范围细粒度人类移动性。首先，受结构相似性启发，引入w距离构建虚拟图，以捕捉OD对之间非规则且异质的空间关系。其次，提出了一种图先验增强的欧几里得结构，将虚拟图中的图先验嵌入规则格网，在继承图模型高精度优势的同时，维持格网模型的计算效率，为实现高效精准的预测奠定基础。最后，显式化了图先验知识以引导经典卷积神经网络的前向传播，实现了在低计算负载下对大规模图神经网络特征聚合过程的有效模拟，成功解决了大尺度细粒度场景中预测精度与计算效率难以兼顾的难题。以福州市和厦门市的OD流数据为例，验证了GPECN模型在城市尺度下细粒度人类移动性预测的有效性。实验结果表明，与五个基线模型相比，所提出的GPECN模型在显著提高计算效率的同时，实现了与图模型相当的预测精度。