本研究提出了一种新型时空图变换器（STGformer）架构，解决了交通预测模型计算量大的问题。STGformer结合了图神经网络和变换器的优点，高效建模复杂交通模式。在加州道路测试中，实现了100倍速度提升和99.8% GPU内存减少，显示出巨大潜力。