オンラインルートクエリから交通状況を予測することは、道路と群衆の間で多くの複雑な相互作用が存在するため、困難な課題となっています。本論文では、補助情報に暗黙的に含まれている3種類の重要な要因を適切に統合することで、交通予測の精度を向上させる方法について述べます。この方法は、エンコーダー-デコーダー型の系列学習フレームワーク内で以下のデータを統合します：1) オフライン地理的および社会的属性。例えば、道路の地理的構造や国民的な祝賀行事などの公的社会イベント；2) 道路交差点情報。一般的に、主要な交差点で交通渋滞が発生します；3) オンライン群衆クエリ。例えば、公共のパフォーマンスにより同一目的地への多くのオンラインクエリが発行されると、その場所周辺の交通量は徐々に増加する可能性があります。百度から提供された実世界データセットを用いた定性的および定量的な実験により、当社のフレームワークの有効性が示されました。