FasterSTS : un réseau de convolution de graphe spatio-temporel synchrone plus rapide pour la prévision de la circulation routière

La prédiction précise du flux de trafic repose fortement sur la corrélation spatio-temporelle des données de flux de trafic. La plupart des études actuelles captent séparément les corrélations dans les dimensions spatiale et temporelle, ce qui rend difficile la modélisation de l’hétérogénéité spatio-temporelle complexe, et entraîne souvent une augmentation de la complexité du modèle au détriment de l’amélioration de la précision prédictive. Bien que des tentatives remarquables aient été faites dans le domaine de la modélisation synchrone spatio-temporelle, des limitations significatives persistent en termes de performance et de maîtrise de la complexité. Cette étude propose un modèle de prédiction du flux de trafic spatio-temporel synchrone plus rapide et plus efficace afin de relever ces défis.