管理科学与工程学院博士后论坛

时间：2025-12-29

报告题目：寒区情景下的高速公路消防救援可达性仿真模拟

报告人：黄遥（管理科学与工程 博士后）

报告时间：2025年12月29日下午13:30-14:30

腾讯会议号：线上425-658-470

【内容简介】在交通拥堵路况和冰雪路况影响下,消防救援可达性呈动态变化,阻碍了消防资源优化布局。当前，关于消防救援可达性研究主要聚焦城市、森林等面形区域，较少有以线形的高速公路为对象的研究。其中，部分研究也仅考虑拥堵路况对救援可达性的影响，并未考虑寒冷地区周期性冰雪路况对救援可达性的影响。本研究通过划分不同消防救援可达区间，基于时间加权方法建立寒区高速公路消防救援可达性指标评估模型。以中国沈阳市为例，根据评估模型计算出同时考虑拥堵和冰雪路况下的高速公路消防救援总体可达性。研究揭示了常态化交通拥堵路况和寒区周期性冰雪路况和对高速公路消防救援可达性的影响,可为优化寒区高速公路沿线消防站布局提供理论和方法支撑。

报告题目：基于用户轨迹时空表征的POI推荐系统建模技术研究

报告人：安敬民（管理科学与工程 博士后）

报告时间：2025年12月29日下午13:30-14:30

腾讯会议号：线上425-658-470

【内容简介】用户签到轨迹的时空特征挖掘是兴趣点(Point-of-interest, POI)推荐系统建模的关键。用户轨迹时空特征呈现个性化、多样化的特点，现有方法更多地是通过签到地理距离和时间间隔来刻画时空特征，并未从用户角度深度挖掘用户签到行为的时空周期性规律。本研究利用用户签到历史数据，分别分析了不同用户个性化的时间和空间方面的周期性偏好，并采用深度学习技术建模和表征该时空周期性偏好。以此为基础，具体开展了两方面工作：(1)基于时间感知的解纠缠图对比学习的多样性POI推荐，该方法建模了用户1天之中的签到行为变化和周期性，并将每方面行为特征解耦地融合到统一的用户表征中，以预测用户的多样性POI偏好，旨在更好地平衡推荐的多样性和准确性；(2)多视图超图学习增强的序列POI推荐，局部视图下，捕获时空周期性兴趣增强的POI表征，全局视图下，设计了一种高效且有效的超图学习范式，以捕获的POI表征作为输入，学习不同用户间的高阶协同关系，以建模用户签到序列模式，更准确地预测签到序列中的下一个POI，实现实时且准确的推荐。