近期，我院陕西省服装设计智能化重点实验室杜润萌博士撰写的题为《Privacy-Preserving Short-term Travel Demand Forecasting based on Federated Learning》的学术论文在国际期刊《IEEE Transactions on Vehicular Technology》（DOI:10.1109/TVT.2025.3547823，中国科学院SCI期刊计算机科学领域二区TOP，IF6.3/2024年）上发表。
该论文针对短时出行需求预测过程中存在的数据隐私泄露和客户端数据异质性问题，提出了一种个性化多因素联邦学习预测方法。首先，通过分析多种潜在因素与短时出行需求之间的关联性，设计多因素特征融合策略以此有效提升短时出行服务需求预测的准确性。其次，为应对客户端间数据异质性带来的模型权重偏移问题，提出个性化联邦学习策略，通过引入基于独立同分布数据的个性化模型，并将该个性化部分与本地模型进行融合，使客户端能够获得兼具个性化与全局特性的聚合模型。最后，基于滴滴出行平台提供的上海地区真实订单数据集进行实验，结果表明该方法在保障数据隐私的同时，显著提升了数据异质场景下短时出行需求预测的准确性。研究成果对智慧交通、出行调度等实际应用具有良好的推广价值。（撰稿：杜润萌 审核：刘枫、张凯兵）
人物链接：
杜润萌个人简介
杜润萌，女，博士，校聘副教授，研究领域为网络空间安全。担任Information Sciences等国内外知名期刊审稿人。2017-2020年在陕西师范大学攻读硕士学位，2020-2024年在华东师范大学攻读博士学位。近年来，在相关领域发表学术论文多篇，其中以第一作者身份发表CCF A类、SCI TOP国际期刊论文3篇，中文CCF A类期刊论文2篇。合作申请国家发明专利10项，已授权4项。研究成果发表在IEEE Transactions on Information Forensics and Security（TIFS，国际信息安全领域顶级期刊，CCF A，一区）、IEEE Internet of Things Journal（IOT，一区）和IEEE Transactions on Vehicular Technology（TVT，二区）等国际TOP期刊以及《计算机学报》、《电子学报》等国内权威学术期刊上。
