行程时间预测问题被广泛视为现代物流领域的核心挑战。道路空间结构之间的复杂关联性与地面交通时间动态变化的交织特性，仍为技术探索保留了广阔空间。然而，当前累积的海量数据为构建学习模型提供了坚实基础，这些模型有望显著超越以往的解决方案。为应对行程时间预测中的关键问题，本文提出一种基于Transformer架构的新方法——TransTTE。