近日，软件学院许明教授联合英国Newcastle University董敬欣教授、华南理工大学黄玲副教授、北京交通大学奇格奇副教授共同在Journal of Advanced Transportation上承办Graph-Based Big Data Analysis and Mining in Transportation Systems专刊。

本次专刊目的是征集、发表关于图模型在交通大数据分析中的理论与应用创新方面的原创研究。随着移动传感器技术的蓬勃发展，交通领域的研究范式从基于物理机制的模型转向数据驱动的模型。各类传感器，如环形探测器、探针、路网中的摄像头、智能卡、公共交通中的快速反应码，以及全球定位系统（GPS）、蓝牙和Wi-Fi设备，正在产生大量的数据集，为交通领域理解多样化的出行行为和改善交通建模过程提供前所未有的机会。然而，由于交通系统的复杂性和异质性，在交通行业的数据分析、挖掘和应用中出现了新的挑战。为了应对这些挑战，基于图的机器学习作为一个强大的工具，受到越来越多的关注。例如，将城市道路网络建模为图模型，并利用图深度学习技术进行城市交通分析。另外，由于交通大数据的多源异构特点，基于异质图的数据挖掘方法能为交通隐含模式的发现提供新的途径。尽管目前相关领域的研究已经取得了些许进展，但仍有必要充分挖掘这些方法在智能交通应用中的优势（如交通状态分析、交通需求预测、异常检测、交通信号控制）。

Journal of Advanced Transportation是完全由同行评议的交通科学和技术的国际杂志，旨在提高运输系统的效率、稳健性和安全性。它发表原创的研究论文，涉及多模式交通网络的分析、设计、运营和规划的理论和创新方法。该刊位列中科院SCI四区。影响因子1.670，录稿率为36%，欢迎相关领域的研究者投稿。

专刊网址：https://www.hindawi.com/journals/jat/si/578932/