快速适应动态交通模式
该框架通过构建自适应时空上下文和动态序列图，从多个角度联合卷积与注意力机制，实现对日常交通流量的快速适应与高精度预测。
Xiaoyu, Li · Zhang, Yitian · Long, Guodong · 胡宇鹏 · 鹿文鹏 · 陈盟 · Zhang, Chengqi · Gong Y.
IEEE Transactions on Knowledge and Data Engineering 2025
模型基于语义相似性构建动态序列图，并聚合可用数据中的有价值信息，从而无需依赖大规模历史数据即可快速适应新的交通模式。
该框架不假设交通数据中存在隐藏的不变时空模式，而是动态构建上下文，因此对外部因素引起的模式变化具有鲁棒性。
引入卷积和注意力联合机制，从多个角度建模复杂的时空关系，从而捕捉更丰富的交通动态。