近日，实验室2019级硕士生曲浩一篇论文“Forecasting Fine-grained Urban Flows via Spatio-temporal Contrastive Self-Supervision”（作者：曲浩，宫永顺，陈勐，张钧波，郑宇，尹义龙）被CCF A类期刊IEEE Transactions on Knowledge and Data Engineering （TKDE）录用，影响因子为6.977。TKDE是国际人工智能数据挖掘顶尖和权威学术期刊之一。

作为城市交通服务的一项关键任务，细粒度的城市流量推断（Fine-grained Urban Flow Inference, FUFI）在智能交通管理、城市规划和公共安全等诸多领域均发挥了重要的作用。FUFI是一种专注于仅根据观察到的粗粒度流量数据来推断细粒度城市流量的技术。然而，现有的方法总是需要大量可学习的参数和复杂的网络结构。为了减少这些缺陷，本文设计了一种基于对比自监督方法来预测细粒度的城市流量，同时考虑到所有相关空间和时间的对比模式。通过几个精心设计的自监督辅助任务，使简单的网络具有从流量数据中捕获高级表示的强大能力。最后，本文提出了一种结合三个预训练编码器的微调网络来预测细粒度的城市交通流量。本文方法与其他最先进的方法在两个真实世界的数据集上进行比较，所有的实验结果不仅表明了本文模型相比于其他模型的优越性，而且证明了它在资源受限环境下的有效性。