arXiv · cs.AI· Yue Wang, Djellel Difallah, Areg Karapetyan, Samer Madanat·· 2 天前
UniST-Pred：面向交通网络中断的鲁棒统一时空交通预测框架
UniST-Pred: A Robust Unified Framework for Spatio-Temporal Traffic Forecasting in Transportation Networks Under Disruptions
arXiv:2602.14049v3阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yue Wang, Djellel Difallah, Areg Karapetyan, Samer Madanat
研究任务与主要进展
基于论文摘要，作者提出统一时空交通预测框架 UniST-Pred，先解耦时间建模与空间表示学习，再通过自适应表示级融合进行预测。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org