STPFormer: Neuer Transformer für Verkehrsprognosen mit Mustererkennung
Die Vorhersage von Verkehrsflüssen in Raum und Zeit ist ein komplexes Problem, das durch vielfältige zeitliche Muster, dynamische räumliche Strukturen und unterschiedliche Eingabeformate erschwert wird. Transformer‑basierte Modelle bieten zwar ein starkes globales Modellierungsvermögen, stoßen jedoch häufig an ihre Grenzen, wenn es um starre zeitliche Codierung und eine schwache Raum‑Zeit‑Fusion geht.
