作者：赵玲

近日，Essential Science Indicators (基本科学指标，简称ESI)数据库发布了最新的高影响力论文。太阳成集团tyc33455cc地理信息系一篇发表在IEEE Transactions on Intelligent Transportation Systems（《IEEE智能交通汇刊》， IEEE TITS）上的论文成果《T-GCN: A Temporal Graph Convolutional Network For Traffic Prediction》同时入选为ESI 0.1%热点论文和1%高被引论文。该工作是太阳成集团tyc33455cc已毕业硕士生宋玉娇在李海峰教授的指导下完成的。李海峰教授为通信作者，美国乔治亚理工大学张超教授、北京大学刘瑜教授是论文的重要合作者。

论文2020年9月正式发表，产生了广泛的学术影响：(1) 理论引领性。多位IEEE Fellow认为本论文是领域内的先锋性、引领性和开创性工作，提出的模型作为基础骨架模型被广泛使用扩展，作为对比基线方法被广泛引用，作为技术论文长期位于IEEE TITS期刊的热点论文(Popular papers)第一名（其他热点论文均为综述文章）；(2) 影响广泛性。截止发稿日期，该论文在Web of Science中共被引用140次，Google Scholar (谷歌学术)中被引用400+次。施引文献作者来自于美国、加拿大、英国、意大利等三十多个国家，提出的模型已经作为基线方法被来自数学、计算机、交通、电信、化学、土木工程、地球物理、自动化、仪器、能源、神经科学、最优化、光学、生理学、机器人、经济学、教育学、地理学等40多个研究方向广泛引用；(3)应用全球性。本论文延伸的一系列工作开源代码在Github上获得540+颗星，被全球著名的深度图模型库Pytorch_Geometric和LibCity选为标准模型，同时被微软、Facebook、Google、美团、字节跳动等著名商业公司应用。

准确、实时的交通预测是智能交通系统的基础问题，对城市交通规划、交通管理和交通控制具有重要意义。但由于复杂的时间和空间依赖性，时空表征不变性是实现准确实时的交通预测关键性问题，也是空间通用智能理论的基本性质。本研究提出一种基于时空不变性表征学习的交通预测框架(T-GCN)，统一学习路网路网“非欧”空间拓扑结构和交通路网数据的时间特征。真实交通数据集上的实验结果表明，T-GCN在长期交通预测和长期交通预测任务(15，30，45，60分钟)上均展示了模型的有效性。李海峰教授围绕空间通用智能理论这一主题进行持续性攻关，近三年已经发表ESI热点论文2篇，高被引论文5篇，Nature Food (封面)论文1篇。

ESI高影响力论文（Top Papers）主要包括两种：一种是高被引论文(Highly Cited Papers)，指发表在最近10~11年根据同年同ESI学科统计被引用次数进入前1%的论文；另一种则是热点论文(Hot Papers)，指按ESI学科统计最近两年发表、在最近两个月里被引用次数前0.1%的论文。