第33届国际人工智能联合会议（International Joint Conference on Artificial Intelligence，IJCAI）于8月3日至9日在韩国济州岛召开。山东大学-南洋理工大学人工智能国际联合研究院(C-FAIR)研究成果论文“Personalized Federated Learning for Cross-City Traffic Prediction”被IJCAI 2024接收为研究性长文，第一作者为C-FAIR博士生张宇，其他作者包括崔立真教授、李庆忠教授及丹麦罗斯基勒大学陆华教授。

交通预测在城市计算中起着重要作用。然而，由于城市发展水平存在差异，许多城市面临数据稀缺。尽管许多方法将知识从数据丰富的城市转移到数据稀缺的城市，但集中式的培训范式无法维护数据隐私。为了保护城市间的数据隐私，本文采用了联邦学习技术，增强数据稀缺城市的交通知识。然而，时空数据异构性会导致客户端漂移，导致交通预测性能不理想。在这项工作中，本论文提出了一种用于跨城市交通预测（pFedCTP）的新型个性化联邦学习方法,从多个数据丰富的源城市学习交通知识，并将知识转移到数据稀缺的目标城市，同时保护城市间的数据隐私。pFedCTP的核心是一个时空神经网络（ST-Net），供客户端学习交通表示。通过将ST-Net解耦，以学习与空间无关的交通模式，以克服跨城市的空间异质性；通过自适应地对全局和局部参数进行逐层插值，以应对城市间的时间异质性。在四个真实世界交通数据集上的广泛实验表明，与多种基线方法相比，pFedCTP具有显着优势。

IJCAI会议是国际人工智能界最有影响的和权威性的盛会，被中国计算机学会评定为A类学术会议（CCF A）。自1969年以来，每两年举行一次，自2015年起改为每年召开，至今已成功地举行了33届。2024年IJCAI共计收到5651篇投稿，录用率约为14.0%。