摘要准确的交通预测对于城市交通控制和引导至关重要。由于交通流的高度非线性和复杂性，传统方法无法满足中长期预测任务的需求，且往往忽略了空间和时间的依赖关系。本文提出一种新的深度学习框架——时空图卷积网络(STGCN)来解决交通领域的时间序列预测问题。本文没有应用常规的