短长期预测误差大幅下降
通过同时接受多种交通数据输入并建模道路网络为时空有向图，S-GNN能够捕捉全局空间相关性和时间依赖性，从而提升短长期预测准确度。
Luo, Ming · Huili, Dou · 郑宁
Computers, Materials and Continua 2024
通过同时接受多种交通数据并建模时空有向图，模型能更好地表示时间依赖性，从而同时满足短时和长时预测目标。
使用图网络聚合目标节点相邻区域的信息，并为不同相邻节点分配不同注意力权重，从而捕捉全局空间相关性。
在两个真实数据集上，相比对照模型，S-GNN 的 RMSE 降低约 0.571-9.288，MAE 降低约 0.314-7.678。