近日，烟台大学计算机与控制工程学院于自强教授团队的最新研究成果被数据科学领域国际顶级会议The 43rd IEEE International Conference on Data Engineering（ICDE2027）录用，论文题目为“CRSTNet: Efficient Spatio-Temporal Forecasting via Adaptive Cluster Routing”。

ICDE与SIGMOD、VLDB并称数据管理与数据库领域的“三大顶会”，是中国计算机学会（CCF）推荐的A类国际学术会议，在国际上享有盛誉并具有广泛的学术影响力，其收录的论文代表了数据库领域最前沿的研究成果。

CRSTNet：自适应聚类路由的高效时空预测模型框架

时空预测是智慧交通领域的关键科学问题，在道路车流量预测、路线规划及物流运输中具有重要作用。然而，传统图神经网络（GNN）受限于全局顶点级表征，在处理大规模路网时面临着较高的计算复杂度与严重的计算冗余。针对这一瓶颈，于自强教授团队提出了一种自适应聚类路由的时空高效预测模型（CRSTNet）。该模型构建一种动态聚类的分层图架构，将路网节点自适应划分为高精度的关键节点与粗粒度的非关键簇，通过簇级路由通信替代密集的顶点级计算；同时结合轻量级的增量维护策略，仅对特征变化明显区域进行局部拓扑更新。这一设计有效削减了特征相似区域的冗余计算并显著抑制了单点噪声。在四个公开数据集上与20种国际前沿（SOTA）算法的对比实验表明，CRSTNet的模型训练耗时较SOTA方法降低了1至2个数量级（最高实现426倍加速），预测精度超过或十分接近SOTA方法，为大规模城市路网实时预测提供了极具潜力的轻量化解决方案。

该研究成果以烟台大学为第一署名单位，研究生王超凡为第一作者，于自强教授为通讯作者。该项工作得到了国家自然科学基金、山东省自然科学基金等项目的资助与支持。

来稿时间：9月15日 审核：刘俞斌 责任编辑：刘运正