光谱自适应图Transformer交通预测模型提出

2026年10月20日，arXiv Artificial Intelligence 刊出研究，Amirhossein Ghaffari 等作者提出光谱自适应图 Transformer 交通预测模型。其空间算子通过可学习方式获得，而非依赖图 Laplacian 特征分解；该算子具备有向性，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。目前报道仅涉及模型提出与基准评估结果，尚无后续跟进报道。

AI 根据报道生成 · 40 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。