本文介绍了一种新的交通预测框架ST-GDN，结合图神经网络和多尺度注意力网络，有效捕捉城市交通流量的空间和时间动态。实验结果表明，ST-GDN在交通预测性能上优于现有模型。

该文介绍了一种新的交通预测框架ST-GDN，具有层次结构的图神经架构和多尺度注意力网络，能够更准确地预测城市交通流量并在智能交通管制和公共风险评估等方面实现更有效的空间 - 时间挖掘应用。