近期，互联网经贸学院江明博士以第一作者在期刊《Mathematics》发表了《Traffic Flow Prediction Based on Dynamic Graph Spatial-Temporal Neural Network》的文章。

研究针对交通网络的空间相关性具有时变性，存在不稳定节点关系的问题，提出了一种新的交通预测框架——动态图时空神经网络( DGSTN )。该模型在训练和测试阶段通过构建静态拓扑图和动态信息图来表示稳定的节点关系和时变的节点关系，以捕获隐藏的节点关系和时变的空间相关性。通过两个真实交通数据集上的测试，该方法能够进一步实现对现有方案性能的优化。  

《Mathematics》（中国科学院3区）是一本关于应用数学各个方面的国际性、同行评议、开放获取期刊，由MDPI在线出版，影响因子2.592（2021），列入我校“三高”期刊目录。