近日，中国电信云计算研究院与吉林大学联合研究团队在移动群智感知（Mobile Crowdsensing，MCS）领域取得最新研究成果，论文《Spatio-Temporal Pyramid-Based Multi-Scale Data Completion in Sparse Crowdsensing》已被IEEE Transactions on Mobile Computing （IEEE TMC）接收。该成果针对移动群智感知中数据稀疏和多尺度特性带来的补全难题，提出了一种基于时空金字塔结构的多尺度数据补全框架，通过构建金字塔结构高效捕捉不同尺度间的复杂关联，为交通管理、环境监测和灾害响应等应用提供了高效的理论基础和技术解决方案。此项工作由中国电信云计算研究院和吉林大学联合培养博士后刘文彬和博士生杜昊完成，得到中国电信集团首席科学家、中国电信云计算研究院院长吴杰教授，吉林大学软件学院副院长王恩教授，吉林大学计算机科学与技术学院院长杨博教授的共同指导，是云计算研究院与外部高校在产学研合作方面的重要成果。

移动群智感知是一种新兴的时空数据采集和应用范式，利用用户多样化的移动设备收集大规模、细粒度时空数据，广泛应用于交通管理、环境监测和灾害响应等领域。然而，在实际场景中，由于设备异构性和感知环境复杂性，采集数据往往呈现稀疏性和多尺度特征（如智能手机覆盖小区域的细尺度数据，车辆或无人机覆盖大区域的粗尺度数据），导致传统单尺度补全算法无法有效捕捉跨尺度关联，严重影响数据补全的准确性和完整性。针对这一挑战，研究团队提出时空金字塔框架，从多尺度嵌入、时空金字塔构建到注意力机制设计进行了系统性创新。

具体而言，该框架首先引入多尺度嵌入层（Multi-Scale Embedding），提取多尺度时空数据的初始特征。随后，设计时空金字塔构建模块（Spatial-Temporal Pyramid Construction Module, ST-PC），通过时序和空间多尺度提取构建三维金字塔结构，实现稀疏数据的层次化表示。同时，提出时空金字塔注意力机制（Spatial-Temporal Pyramid Attention Mechanism, ST-PAM），捕捉尺度内和尺度间关联，显著降低计算复杂度，并通过跨尺度约束机制优化补全性能，确保细尺度数据的精确重建。在四个真实时空数据集上的大量实验验证表明：相比现有基线模型，该方法在多尺度稀疏场景下显著提升补全准确性，尤其在高缺失率下表现出色，证明了其高效性和鲁棒性。

该研究不仅在多尺度数据补全框架、金字塔结构应用和注意力机制优化等方面取得突破，还拓展了稀疏群智感知技术的应用边界。成果有望广泛应用于城市交通流量预测、空气质量监测及应急灾害响应，进一步增强天翼云在城市时空数据处理和智能决策方面的能力，助力资源优化与高效调度。

作为中国电信的高层次学术研究机构，中国电信云计算研究院长期布局端云协同与移动计算等前沿领域，聚焦稀疏感知场景下的智能数据补全技术研发，致力于以创新算法推动云-边-端协同发展，为大规模智算业务提供高效、可靠的技术支撑。

IEEE TMC（IEEE Transactions on Mobile Computing）是移动计算领域享有盛誉的国际顶级期刊，致力于发表经过严格同行评审的高质量学术论文，探讨移动计算与无线系统中的理论基础、创新技术及实际应用，涉及移动网络协议设计、资源高效管理、普适计算环境构建、移动安全与隐私保护等多个关键议题。IEEE TMC 期刊属于中国计算机学会（CCF）推荐的 A 类期刊，发表的论文将由 IEEE Xplore 收录，并被 SCIE、EI 和 Scopus 等数据库检索，中国科学院SCI期刊分区为一区TOP。目前该期刊由来自全球顶尖学术机构与产业界的知名学者担任编委会成员，长期吸引大量来自学术界与产业界的研究人员关注和投稿，在移动计算及相关研究领域内拥有深远影响力。