2026年5月24日至28日，全球通信领域顶级旗舰会议IEEE ICC 2026（IEEE International Conference on Communications）在英国格拉斯哥成功举行。会上，我室通感算融合与场景应用团队联合法国Université Paris-Est Créteil团队完成的论文“Service Traffic Prediction for Mixed Traffic Scenario: Integrating Vehicular Mobility and Service Spatio-Temporal Attributes”荣获IEEE ICC 2026最佳论文奖（Best Paper Award）。这是我室在本次会议中获得的第二项最佳论文奖项。该论文第一作者为我室硕士研究生智仡，通信作者为朱丽娜副教授，合作作者包括我校硕士研究生李柏佚以及法国巴黎第十二大学（Université Paris-Est Créteil）的Jalel Ben Othman教授。

本届会议共收到来自全球各国家和地区的投稿论文3500余篇。经过大会专题技术委员会多轮严格评审与综合遴选，最终仅有17篇论文获得最佳论文奖，获奖比例约为0.48%，充分体现了该成果的创新性与国际影响力。

论文面向未来混合交通流场景下的网络业务预测问题，聚焦于车辆移动行为与业务时空分布之间的复杂耦合关系，提出了一种融合动态建模能力的服务流量预测方法。传统方法通常侧重时空相关性学习，难以刻画车辆在基站之间的动态切换过程，从而限制了预测精度与泛化能力。针对上述问题，论文提出动态加权时空图卷积网络（DWTGCN）。该方法首先利用Capsule Network与LSTM对不同类别车辆轨迹进行建模与预测，并结合基站覆盖关系构建车辆转移概率矩阵，以刻画车辆在网络中的动态迁移行为。在此基础上，将动态转移信息与静态空间距离信息进行融合，实现时空—移动联合建模，从而显著提升业务流量预测性能。

实验基于团队开发的混合交通流-通信联合仿真平台完成（平台已开源）。在多类型业务流量预测任务中，该方法在整体预测性能上显著优于多种基线模型：相较于传统T-GCN等方法，所提出模型在不同业务类型上均取得稳定提升，其中在VoIP、Burst及Navigation等典型业务流量预测任务中，RMSE约降低10%—15%，MAE同步下降约12%—20%，预测稳定性与误差一致性均得到明显改善。同时，在复杂混合交通场景下，该方法能够更准确捕捉业务流量的突变与局部波动特征，在时序峰值预测方面表现出更优的拟合能力与鲁棒性。

会议简介

IEEE ICC 2026是IEEE通信学会（ComSoc）旗下旗舰级国际学术会议，创办于1965年，是全球通信网络与信息系统领域最具影响力的学术交流平台之一。会议长期聚焦无线通信、智能网络、车联网及下一代通信系统等前沿方向，每年汇聚全球数千名学者与产业专家开展高水平学术研讨。

团队相关成果

朱丽娜副教授是通感算融合与场景应用团队成员，团队负责人是李长乐教授。团队从事无线通信系统和智能交通这一交叉学科领域的科研工作。团队紧密围绕国家重大战略发展需求，依托西电“信息与通信工程”国家级重点学科和“交通运输工程”国家一级学科，探索利用信息化、智能化技术实现“聪明的车、智慧的路、协同的云”构建现代综合智慧交通体系为目标，重点研究面向网络化无人驾驶的通感算融合理论、车联网与智慧交通技术、智慧公路物联网技术、6G按需服务关键技术等。团队先后承担了国家重点研发计划、国家自然科学基金重点项目、国家自然科学基金海外优秀青年项目，国家自然科学基金面上项目。研究成果获2023年中国电子学会科学技术奖一等奖、2022年陕西省教育厅特等奖、2018年陕西省科学技术二等奖等。出版专著和教材三本，在国内外核心期刊发表论文一百多篇。

论文链接

IEEE ICC 2026最佳论文奖完整列表：https://icc2026.ieee-icc.org/programme/best-paper-awards

论文预印本：https://github.com/BaiyiLi-zsq/service-traffic-prediction-icc2026

开源网址：https://github.com/XidianMTFPlatform/A-Co-Simulation-Platform-for-Mixed-Traffic-Flow-of-Vehicular-Networks