近日，我校管理科学与工程学院副教授谢娜作为通讯作者的合作论文“Semantic understanding and prompt engineering for large-scale traffic data imputation”在工程技术与计算机科学领域国际顶级期刊《Information Fusion》上发表。该期刊最新影响因子为18.6，论文在线链接：https://www.sciencedirect.com/science/article/abs/pii/S1566253523003548。

论文构建了一种基于语义理解和提示工程的大规模城市交通数据补全模型，成功打破了城市交通数据补全领域的应用壁垒，为利用大语言模型全面开展智慧城市交通数据压缩、分析和预测奠定基础。传统城市交通系统模型在捕捉交通全网络时空相关性时，会忽略道路网络中固有的道路基础设施、传感器位置等丰富语义信息。论文提出一种基于图Transformer的交通数据补全GT-TDI模型，利用语义描述来捕捉道路网络时空动态，提高预测城市交通综合时空关系能力；其次，为强化模型性能，采用大语言模型和提示工程，实现与交通数据补全系统的直观交互；最后，通过数值实验证明，与传统方法及常用技术相比，本模型呈现卓越的城市交通数据补全准确性，尤其在数据严重缺失情境中表现尤为突出。本模型允许用户使用简单自然语言进行数据查询，显著提高交通数据补全的可解释性和准确性，可为智慧城市交通信息处理和管理决策提供有效工具。

《Information Fusion》是工程技术与计算机科学领域的国际顶级权威期刊，影响因子为18.6，在“Computer Science: Information Systems”学科379个国际期刊中排名前三。该刊是JCR一区，中科院SCI一区TOP期刊，中财大AAA期刊。

谢娜副教授，管理科学与工程学院投资系主任，主要研究兴趣为大数据与智慧城市交通管理、人工智能投资决策等领域。在IEEE Transactions on Neural Networks and Learning Systems、Transportation Research Part C: Emerging Technologies等权威学术期刊发表论文20余篇，主持国家自然科学基金青年项目和面上项目，获骋望一流学术成果奖、成心优秀学术成果应用奖。

撰稿：谢娜

审稿：刘志东