近日，我校未来交通学院智慧城市智能交通团队在交通运输领域国际顶级期刊《IEEE Transactions on Intelligent Transportation Systems》（T-ITS）上发表题为《MAGAE: Multi-level Alignment over Aggregation Semantic Graph with Attribute Enhancement for Text-based Vehicle Retrieval》的研究成果。未来交通学院2021级本科生张瑞轩、杨喆普分别为论文第一和第二作者，戴涛副教授为通讯作者，长安大学为第一署名单位和第一通讯单位。这是我校近年首次由本科生为第一作者在该行业顶级期刊发表论文。
随着城市和交通的数字化程度不断提高，车辆检索技术已成为智能交通系统的重要组成部分。近年来，基于自然语言的车辆检索以其高灵活性和更广阔的应用价值，受到了学术界和工业界的广泛关注。为弥合自然语言和车辆图像之间存在巨大的语义鸿沟，本研究提出了一种新方法，称为“基于多层次对齐聚合语义图与属性增强的自然语言车辆检索方法（MAGAE）”。
图1.基于自然语言和基于图像的车辆检索方法流程对比
研究采用大型语言模型（LLMs）和预训练视觉模型提取自然语言和全局视觉的特征嵌入，提出了一种全新用于动态集成车辆局部和全局特征的F-Encoder架构，设计了一种协同注意力学习机制，用于提取并增强车辆属性嵌入的鲁棒性；为弥合视觉与自然语言之间的显著差距，论文引入多层次语义图对齐模块，以有效对多模态数据属性进行聚合和交互。最后，为提高神经网络学习能力，引入学习损失函数，利用多任务学习优点有效提升检索效果，并在国际公开数据集CityFlow-NL上验证了所提出MAGAE算法的有效性。本研究成果为自然语言车辆检索提供了新的研究视角，有助于推动基于大模型的城市交通管理能力与运行效率提升。
图2.MAGAE模型架构示意图
图3.MAGAE自然语言车辆检索结果示意图
长安大学未来交通学院是学校响应国家“交通强国”战略、推进交通运输工程国家“双一流”学科建设和落实教育部“未来技术学院”建设要求而设立的特色学院。自成立以来，学院始终将人才培养放在首位，积极探索“主辅修结合，培养个性化、学术国际化”的本硕博贯通培养模式，致力于全面激发学生科研潜能与创造力。此次，本科生张瑞轩以第一作者身份在交通领域顶级学术期刊发表论文，正是学校和学院高水平育人成果的诠释。
图4.论文已在IEEE Xplore数据库在线开放
注：IEEE T-ITS是国际电气和电子工程师协会（IEEE）智能交通系统分会的旗舰期刊，关注交通系统中信息技术的设计、分析和控制，其主题涉及智能交通系统技术诸多领域。该刊当前影响因子为7.9，H-index指数112，在科睿唯安JCR分区属于Q1类Top期刊。
论文链接：https://ieeexplore.ieee.org/document/11005612
（审稿：汤颖颖 网络编辑：和燕）
