本研究提出了多种基于图卷积网络的交通速度预测模型，成功引入了空间依赖性和时间动态，显著提高了预测精度。新框架如ST-GDN和USTGCN在实验中优于现有模型，展示了深度学习在智能交通中的应用潜力。

本研究提出了一种新的出租车需求预测系统，利用图神经网络捕捉城市环境中的空间依赖性和模式。该系统采用区域中立的方法，通过变分自编码器将输入特征分解为区域特定和区域中立的组件，实现跨区域出租车需求预测并推广到不同城市区域。实验证明该系统在准确预测出租车需求方面有效，并展示了优化出租车服务和提高交通效率的潜力。