光谱自适应图 Transformer：高效可扩展的交通预测模型

研究者提出光谱自适应图 Transformer，其空间算子通过可学习方式获得而非依赖图 Laplacian 特征分解，具备有向性并随当前交通状态动态调整，计算成本随传感器数量线性增长。模型在 170 至 1843 个传感器的六个公开基准上、三个随机种子下评估，在一个基准上取得所有单一端到端模型中的最低误差，其余基准上与最强注意力模型相当，内存占用约为后者的四分之一，训练速度约快一倍。