融合DTW的动态图注意力网络
采用数据驱动邻接矩阵，结合多尺度时序卷积，捕捉站点间真实依赖关系并融合天气等外部因素，以提升预测精度。
Zeyu, Xiang · 曾锋 · 刘雷 · Wu, Jinsong · Mumtaz, Shahid · 梁中明
IEEE Transactions on Intelligent Transportation Systems 2025
采用DTW数据驱动方式构建邻接矩阵，直接反映站点间的实际需求依赖，而非基于距离或连通性的假设。
集成多尺度时序门控卷积，同时融合短期和长期时序特征，提升对需求波动的建模能力。
将天气、公共设施、交通事故等外部因素纳入模型，其中天气对需求影响最大，可据此外部信息调整预测。