本研究针对马耳他交通拥堵问题，提出了名为MalTra的交通数据集。结合ARIMA模型与图神经网络，研究发现DCRNN在交通延迟预测中优于STGCN，具有实际应用价值。

本文介绍了多种新型交通预测模型，如DCRNN、Motif-GCRNN、简化GNN和动态LSTM，这些模型在真实数据集上表现优异。研究强调了时空依赖性的重要性，并提出了CP-MoE模型以应对交通拥堵问题，该模型已在DiDi部署，提升了旅行时间估计的准确性。