ADIG-Net：一种时空解耦的动态图学习方法，用于高效的交通预测

《Knowledge-Based Systems》：ADIG-Net: Spatiotemporally Decoupled Dynamic Graph Learning for Efficient Traffic Forecasting

　　综上所述，本文提出了一种名为Adaptive Dynamic Information-Graph Network (ADIG-Net)的智能交通系统模型。该模型通过结合时空解耦的嵌入机制、维度解耦的信息传播网络以及温度控制的动态图生成策略，有效克服了现有交通流预测方法在处理交通数据复杂性时的挑战。实验结果表明，ADIG-Net在预测准确性和计算效率方面均胜过了传统模型，具有较高的可扩展性，适用于大规模交通网络的应用。