近日，我校电子与信息工程学院孟祥福教授团队的综述论文“A Survey on Learning-Based Trajectory Similarity Computation”被ACM旗下的旗舰综述期刊‌ACM Computing Surveys录用，论文作者为孟祥福、葛檄文、张霄雁、师光启、刘思雨、韩鑫宇、王双斌，我校为该篇论文唯一作者单位。ACM Computing Surveys是美国计算机协会（ACM）旗下的期刊之一，是计算机科学、人工智能、软件工程等领域的重要综述类期刊，主要收录计算机各分支领域的重要研究进展、技术综述和文献总结，致力于为科研人员和工程技术人员提供权威、系统、前沿的知识参考。该期刊当前影响因子为28，近5年平均影响因子26.3，在Computer Science Theory & Methods领域排名1/147，中科院一区TOP期刊。

图1. ACM Computing Surveys期刊介绍

论文针对基于深度学习的轨迹相似度计算领域，首次构建了融合轨迹表示形式（序列、图像、图）与学习策略（监督、自监督）的双维度系统分类框架（如图2所示），并从轨迹内表示学习、轨迹间嵌入学习及训练数据构造三个核心层面进行了深度技术解构，同时整合了主流数据集与评估基准，最终明确了当前方法在复杂模式建模、跨场景泛化等方面的挑战，为后续研究与工业应用提供了关键的理论基础、技术洞察与方向指引。

图 2. 基于学习的轨迹相似度计算架构。（a）轨迹表示，包括①图像表示、②单元标记序列表示、③图表示；（b）轨迹嵌入学习，包括①编码器-解码器结构、②仅编码器结构；（c）训练数据构建，包括①高-低质量训练对、②三元组训练对；（d）相似性度量，包括①基于欧氏距离、②基于余弦距离。

该项成果为轨迹相似度计算领域提供了清晰的研究路线与技术基准，打通了前沿算法与智慧交通、位置服务、城市管理等产业应用的连接路径，推动了该领域从分散探索向体系化发展的转变。该项研究成果为我校在时空数据挖掘、智慧交通管理及相关前沿领域的持续深化与高质量发展提供了坚实的理论支撑。