本研究提出了一种名为MM-STFlowNet的多模式客流预测方法，基于动态时空图建模。该框架结合了时序特征处理和空间-时间动态图卷积递归网络，显著提升了交通枢纽的客流预测准确性，尤其在高峰期表现优异，为交通管理提供了重要参考。

本研究提出了一种新的图基流级模型，通过构建动态时空图与自监督链路预测预训练任务，解决了网络流量分析中模型适应性不足的问题。研究结果显示，该方法在入侵检测、流量分类和恶意软件分类三项任务中，经过预训练的模型相较于从头训练平均提升了6.87%的性能，展示了其作为操作基础模型的潜力。