Dastnet 2022

Domain Adversarial Spatial-Temporal Network:A Transferable Framework for Short-term Traffic Forecasting

across Cities（短时预测）

本文提出一种新的可转移流量预测框架：域对抗时空网络（Dastnet）是基于多域对抗自适应的可转移时空流量预测框架

该框架通过空间编码器将原始节点特征映射到节点嵌入。 通过域分类器引入域不变性嵌入，并与时域预测器中的交通数据融合，实现跨城市交通预测。（利用多个城市交通信息学习不同节点之间的相似性，达到补充交通信息不足的城市路网预测功能）PS:有点扯，虽然路网有相似性，但是实际结构并不能通用，有一句古话，因地制宜；

利用图表示学习和对抗域自适应技术来学习域不变节点嵌入，并将其进一步整合到时间交通数据模型中。

idea：transfer learning

研究背景：

STGCN使用CNN来建模时态依赖关系。 ASTGCN利用注意机制来捕捉时空依赖的动态。 DCRNN引入扩散图卷积来描述空间网络中的信息扩散过程。 DMSTGCN