基于Transformer的交通预测模型部分汇总【附源代码】

交通预测一直是一个重要的问题，它涉及到交通运输系统的可靠性和效率。随着人工智能的发展，越来越多的研究者开始使用深度学习模型来解决这个问题。其中，基于Transformer的交通预测模型在近年来备受关注，因为它们具有优秀的建模能力和较好的预测准确性。

目录

• • 1. STTN（2020）
  • 2. Traffic Transformer（T-ITS 2021）
  • 3. ASTGNN（TKDE 2021）
  • 4. MGT（Neurocomputing 2022）
  • 5. ASTTN（2022）
  • 6. PDFormer（AAAI 2023）
  • 参考

    ---

    1. STTN（2020）

    论文：[2001.02908] Spatial-Temporal Transformer Networks for Traffic Flow Forecasting

    代码：Github - Lin956/STTNS: Spatial-Temporal Transformer Networks for Traffic Flow Forecasting

    作者：Xu M, Dai W, Liu C, et al.

    针对问题：

    1. 动态空间相关性：空间相关性随时间变化（实时的交通状况和交通流方向）