STPWNet:我们提出了一种新颖的自我监督时空部分全卷积神经网络（STPWNet），该网络同时捕获交通流量序列的时间和空间相关...

STPWNet Traffc是一个相对广泛的概念，包括交通，旅行，贸易和互联网网络。 它是一种分析，建模并给出具有时间和空间关系的给定序列的预测结果的方法。 交通流量预测一直是研究人员关注的热点。 这是一个具有高度非线性的非平稳时间序列，要准确地对其进行预测非常具有挑战性。 我们提出了一种新颖的自我监督时空部分全卷积神经网络（STPWNet），该网络同时捕获交通流量序列的时间和空间相关性，以在下一刻准确预测交通流量数据。 为了提高深度网络的推理准确性和速度，我们设计了一种轻量级的卷积网络模块，该模块具有部分到整体的结构，以提高网络预测的准确性和速度。 与传统的神经网络相比，STPWNet具有更少的参数，更快的推理速度，并且可以在各种交通数据集上产生良好的预测性能。 我们提出了一种新颖的自我监督时空部分全卷积神经网络（STPWNet），该网络同时捕获交通流量序列的时间和空间相关性，以在下一