English(EN) DSFNet: Learning Dual-Domain Spectral Operators for Multi-Modality Spatio-Temporal Forecasting in Urban Transportation Systems

新的DSFNet框架提高了城市交通预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了DSFNet，一个旨在提高城市交通系统多模态时空预测能力的新框架。该网络显式地建模了不同交通数据类型及其时间动态之间的复杂关系。通过采用双域谱滤波，DSFNet比现有方法更有效地捕捉异构空间模式和跨模态耦合，从而显著提高了准确性。 AI

影响通过显式建模跨模态耦合和时间动态，提高了城市交通预测的准确性。

排序理由该集群包含一篇研究论文，详细介绍了一种用于特定领域（城市交通预测）的新模型（DSFNet）。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Yongchao Li, Yang Li, Zhuoxuan Li, Jun Chen, Chu Zhang, Jinde Cao, Leszek Rutkowski · 2026-06-09 04:00

DSFNet：学习双域谱算子以实现城市交通系统中的多模态时空预测

arXiv:2606.07695v1 Announce Type: cross Abstract: Multi-Modality Spatio-Temporal Forecasting (MoSTF) extends traditional spatio-temporal forecasting by incorporating diverse traffic modalities. Despite significant recent strides in spatio-temporal modeling, existing approaches of…