يُعد التنبؤ الدقيق بتدفق المرور ضروريًا لتطبيقات مثل اللوجستيات النقلية، لكنه يظل يشكل تحديًا بسبب الترابطات الزمانية والمكانية المعقدة وأنماط المرور غير الخطية. غالبًا ما تُنمذج الطرق الحالية الاعتماد الزماني والمكاني بشكل منفصل، مما يؤدي إلى فشلها في دمج هذين العاملين بشكل فعّال. لتجاوز هذه القيود، تم اقتراح نموذج "DST2former" (المحول الديناميكي للاتجاهات المكانية-الزمنية) لالتقاط الترابطات المكانية-الزمنية من خلال التضمين التكيفي، ودمج المعلومات الديناميكية والثابتة لتعلم السمات الديناميكية متعددة الزوايا للشبكات المرورية. يعتمد النهج على "محول تمثيل الاتجاهات الديناميكية" (DTRformer) لإنشاء اتجاهات ديناميكية باستخدام مشغلات (Encoders) لكل من الأبعاد الزمنية والمكانيّة، ثم يتم دمجها عبر انتباه متقاطع مكانى-زمنى. كما يتم ضغط الرسوم البيانية المُحددة مسبقًا إلى رسم ممثل لاستخراج الخصائص الثابتة وتقليل التكرار. أظهرت التجارب على أربع مجموعات بيانات حقيقية للمرور أن الإطار المقترح يحقق أداءً من الدرجة الأولى مقارنة بالطرق الحالية.