面向交通流预测的时空图神经网络发展综述

来源：计算机工程与应用杂志2025年第22期北京时间：

作者：闫佳和, 李红辉, 孙婧, 刘杰, 张骏温, 杨晓睿, 徐邑

单位：1.北京交通大学 计算机科学与技术学院，北京 100044；2.中国科学院 深圳先进技术研究院，广东 深圳 518055

摘要：近年来，深度学习在交通流预测中的应用受到了广泛关注，特别是时空图神经网络在捕捉时空依赖关系和交通特征预测等方面取得了显著成效。已有一些综述探讨了时空图神经网络的应用，但这些研究大多以应用场景为分类依据，未能从模型设计的角度提供深入的总结分析，更缺乏统一的模型分类体系。提出了一种综合考虑“模块选择、融合机制、架构设计、训练策略”的层次分类方法，并将时空图神经网络分为六类：循环图卷积网络、时空全卷积网络、时空注意力网络、时空编码器网络、时空混搭架构网络、附加策略时空网络。针对每一个类别，详细分析了其特有的模型建模方法、时空融合机制，并对比了主要变体的特点。通过分析代表性工作和最新工作，探讨了时空图神经网络的发展规律，并给出了开源模型的源代码地址。收集了常用的公开数据集，并在对比前人实验结果的基础上，对最新先进模型的性能进行可视化分析。最后总结了该领域的发展机遇与挑战，为后续研究提供启发。

关键词：交通流预测,时空图神经网络,时空依赖性,模型设计,模型分类标准