近日，实验室2022级硕士生安洋一篇论文“Spatio-Temporal Multivariate Probabilistic Modeling for Traffic Prediction”（作者：安洋，李志滨，李晓宇，刘伟，杨兴浩，孙皓亮，陈勐，郑宇，宫永顺）被CCF A类期刊IEEE Transactions on Knowledge and Data Engineering (TKDE) 录用，影响因子为 8.9。TKDE是国际人工智能数据挖掘顶尖和权威学术期刊之一。

交通预测是智慧交通系统的重要任务，处理复杂且动态的时空相关性。目前，大部分的工作关注于点估计模型，仅输出在一个时间交通数据一个属性的一个值，无法描述未来多种情况和不确定性。而且，大部分模型不够灵活去解决真实复杂的交通场景，包括缺失值和非均匀采样数据。交通数据不同属性的交互也很少显示探索。这篇论文我们关注于交通预测任务的概率估计，提出了一个时空多变量概率预测模型去估计交通数据的分布。具体地，我们设计了一个多变量时空融合图网络来提取在不同地点多个交通属性的时空相关性。设计了一个多图融合模块去捕获时间变化的空间关系。我们使用copula去估计缺失交通数据的联合分布。这个提出的模型可以同时执行非均匀采样数据的交通预测和插值任务。我们在两个真实的交通数据集上的实验证明了我们的模型优于最新最好的模型。