近日，公司时空大数据挖掘与智能服务团队在工程技术类Top期刊IEEE Transactions on Intelligent Transportation Systems（《IEEE智能交通汇刊》上先后发表两篇研究论文“A Sequential Pattern Mining Based Approach to Adaptively Detect Anomalous Paths in Floating Vehicle Trajectories”（DOI: 10.1109/TITS.2022.3165066）和“HSETA: A Heterogeneous and Sparse Data Learning Hybrid Framework for Estimating Time of Arrival”（DOI: 10.1109/TITS.2022.3170917）。两篇论文的主要作者分别为团队在读博士王达和谌恺祺。

      城市居民日常出行广泛依赖于各类交通工具，其中，机动车作为城市区域交互的重要媒介之一，承载了城市主要中长距离出行行为。随着位置感知技术和对地观测技术的快速发展，城市中机动车大多安装了GNSS设备持续采集车辆时空位置，海量机动车移动轨迹为交通管理者实时监控调度车辆、精准分析驾驶行为、预测道路交通状态等决策服务提供了丰富的感知数据。近年来，公司邓敏教授领衔的时空大数据挖掘与智能服务团队致力于移动轨迹数据挖掘与服务领域，在城市路网结构精细感知与动态更新、交通状态感知与交通出行预测等方面开展了长期研究，取得了一系列颇具影响的研究成果。最新发表的这两个成果针对智能交通系统中机动车异常轨迹检测和到达时间预估的应用需求，分别设计了一种基于序列模式挖掘（SPDAP）和混合深度学习框架（HSETA）的解决方案，有效实现了复杂交通环境下多类机动车异常轨迹自适应提取和融合多源稀疏异构数据的机动车到达时间高精度估算任务，进一步为动态路径规划、驾驶行为分析和异常路况探测等应用服务提供决策知识支撑。

      邓敏教授牵头的时空大数据挖掘与智能服务是公司测绘科学与技术学科的重要研究方向。近年来，邓敏教授带领团队致力于城市智能交通、时空大数据挖掘、时空统计分析等领域，取得了国际领先的理论成果，并在城市交通、风险评估、地质灾害、国土空间规划等领域取得成功应用，部分成果分别获得国家科技进步二等奖、广东省科技进步一等奖、中国地理信息科技进步奖一等奖、教育部自然科学奖二等奖、教育部科技进步二等奖等科技奖励，在International Journal of Geographical Information Science、IEEE Transactions on Systems, Man, and Cybernetics: Systems、IEEE Transactions on Intelligent Transportation Systems、Computers, Environment and Urban Systems等高水平期刊发表SCI/SSCI高水平论文80余篇。