元光科技（02605.HK）參與的公交到站預測論文入選資料探勘頂會 KDD 2026

以時序資料分析和 AI 技術為核心能力的公交資訊服務商 MetaLight Inc.（「元光科技」、「MetaLight」或「公司」；香港聯交所股票程式碼：02605），今日釋出：公司參與的一篇論文，已經同行評審入選資料探勘領域國際學術會議 KDD 2026 的應用資料科學軌道（Applied Data Science Track）。該論文題為「A Data-driven Route Segmentation Framework for Time-of-Arrival Estimation Service」，由北京大學、本集團旗下的 MetaLight HK Limited 等機構的研究者合著，第一作者來自北京大學；公司董事會主席兼執行長孫熙博士為論文合著者。該研究聚焦公交到站預測（ETA）中此前研究較少的「路段劃分」環節；公司團隊依託「車來了」，為研究提供了真實資料與線上部署驗證環境。

KDD（ACM SIGKDD Conference on Knowledge Discovery and Data Mining）由國際計算機學會資料探勘專業組織（ACM SIGKDD）主辦，被中國計算機學會（CCF）列為 A 類推薦會議，本屆將於2026年8月9日至13日在韓國濟州舉行。該論文於該軌道第二輪（Cycle Two）評審中獲錄用，將收錄於會議論文集，並由論文作者在大會上報告。

在公交到站預測中，路線通常按固定標記（如路口）劃分為路段，再據此聚合交通資料；較粗的劃分會掩蓋同一線路上不同區段的細微通行差異，進而影響預測精度。該研究改以大規模、細粒度的車輛行駛軌跡為基礎進行路段劃分，使每一段對應一種相對穩定的通行狀態，從而更準確地刻畫線路上的真實交通變化。

在覆蓋上千條線路、逾百萬條軌跡的離線評測中，該方法較常用的路段劃分策略取得更優表現；在「車來了」服務的兩座城市、為期一週的線上驗證中，儲存佔用下降約 90%、CPU 佔用下降約 25%，預測效果基本持平。

公交到站預測的既有研究多聚焦預測模型本身，對路線如何劃分、資料如何組織著墨較少；該工作表明，這一環節同樣是影響預測精度與執行效率的關鍵。在公司的到站預測服務中，該方法已在相近精度下明顯降低儲存與算力開銷，使大規模線上服務的執行更為輕量。

除本次入選 KDD 2026 的論文外，近年來公司亦參與合著了時序點過程（與中國人民大學、上海交通大學、復旦大學合作，入選 AAAI 2026）與模型融合（與上海交通大學、上海人工智慧實驗室合作，入選 IJCNN 2025）方向的論文。

元光科技相關負責人表示：「這項工作得益於公司團隊與北京大學等高校及合作夥伴的協作。我們更看重技術能否在真實場景中解決具體問題，也希望在公司內部營造積極學習、持續演進的技術氛圍；會繼續以長期投入和合作，把基礎技術一步步做紮實。」

關於 MetaLight

MetaLight Inc.（香港聯交所股票程式碼：02605）是一家以時序資料分析和 AI 技術為核心能力的公交資訊服務商。公司以「先進技術 服務大眾」為使命，自主研發了時序智慧技術體系，其核心為 AI 模型構建平臺及公交、新能源、工業網際網路三大行業 AI 模型庫，整合了大規模資料接入、預處理、標注、模型訓練及基座模型適配等能力。基於該技術體系，公司運營車來了即時公交資訊平臺，為通勤者提供即時公交到站預測、車輛位置追蹤及出行路線規劃等服務，並向交通運營實體提供公共交通分析平臺及資料技術服務。根據 CIC 截至2024年12月31日的資料，按城市覆蓋數計算，車來了為中國最大的即時公交資訊平臺。截至2025年12月31日已覆蓋全國488個城市及鄉鎮，累計使用者約3.34億，致力於讓公共出行更便捷、更高效。有關公司詳細資料，請瀏覽網站：www.metalight.ai

前瞻性宣告

除過往事實的陳述外，本新聞稿載有前瞻性陳述，涉及本公司的業務展望、財務表現估計、預測業務計劃、發展策略及對我們行業預期趨勢的預測等。前瞻性陳述一般可透過所使用前瞻性詞彙識別，例如「或會」、「可能」、「可」、「可以」、「將」、「將會」、「預期」、「認為」、「繼續」、「估計」、「預計」、「預測」、「打算」、「計劃」、「尋求」或「時間表」等。該等前瞻性陳述是根據本公司現有的資料，亦按本新聞稿刊發之時的展望為基準，在本新聞稿內載列。該等前瞻性陳述是根據若干預測、假設及前提，當中有些涉及主觀因素或不受我們控制。該等前瞻性陳述或會證明為不正確及可能不會在將來實現。該等前瞻性陳述涉及許多風險及不明朗因素。鑒於風險及不明朗因素，本新聞稿內所載列的前瞻性陳述不應視為董事會或本公司宣告該等計劃及目標將會實現，故投資者不應過於倚賴該等陳述。除法律要求的情形外，本公司、本公司董事會、僱員及代理概不承擔公開釋出為反映本新聞稿日期後發生的事件或情況或意料之外事件而修訂、更正或更新本新聞稿所載前瞻性陳述的任何義務，亦不承擔倘因任何前瞻性表述不能實現或變得不準確而引致損失的任何責任。

投資者及媒體查詢，請聯絡：

MetaLight Inc. 投資者關係 電郵：ir@metalight.ai