摘要

准确的交通流预测高度依赖于交通流数据的时空相关性。目前大多数研究分别捕捉空间和时间维度上的相关性，难以有效刻画复杂的时空异质性，且往往需要通过增加模型复杂度来提升预测精度，导致模型负担加重。尽管在时空同步建模领域已有突破性尝试，但在性能表现与复杂度控制方面仍存在显著局限。为此，本研究提出了一种更快速、更高效的时空同步交通流预测模型，以应对上述挑战。