DST-GTN：动态时空图转换网络用于交通预测

原文约200字，阅读约需1分钟。发表于：。

通过引入一种新型深度时空特征表示方法（动态时空特征）和捕捉交叉点之间动态时空关系的动态时空图变换网络（DST-GTN），该研究在交通预测任务上取得了最先进的性能并展现出增强的稳定性。

本文提出了一种新的空间-时间变换网络的范例，用于改善长期交通预测的准确性。该模型使用图神经网络和自注意机制来建模交通数据中的有向空间相关性，并利用长程双向时间依赖性。实验证明，该模型在预测交通流量方面的性能优于现有工作。