提出了一种a novel multiview spatial-temporal trans-former 网络,可以有效地从多个视角学习复杂的时空域相关性和潜在模式。首先,我们检查了一个时间视图,并从短时子视图中设计了一个短程门控卷积分量,从沿时子视图中设计了一个长程门控卷积分量。这两个组件有效地汇聚了多粒度的时域知识,并挖掘出节点跨时间步长的演化模式。同时,在空间视图中,我们设计了一个双图空间学习模块,分别从静态和动态图子视图中捕捉节点的固定和动态空间依赖关系,以及边的演变模式。此外,我们还进一步设计了空间-时间转换器,通过多视图知边融合挖掘不同层次的空间-时间特征。在四个真实交通数据集上的广泛实验表明,我们的方法始终优于最先进的基线方法。