本文介绍了多种新型交通预测模型，如空间-时间变换网络、时空神经网络和交通变换器。这些模型利用图神经网络、自注意机制和多头机制等技术，显著提升了交通流量预测的准确性和效率，尤其在真实数据集上表现优于现有方法，具有广泛的应用潜力。

该文综述了多项时空神经网络研究，涵盖交通预测、视频动作识别、电池寿命预测等领域，提出ASTGCRN、动态图卷积、时空注意力等模型，利用图卷积和注意力机制捕捉复杂时空依赖，在预测精度和解释性上优于基线方法。