本文的数据来源这个论文： Yu, Bing, Haoteng Yin, and Zhanxing Zhu. "Spatio-temporal graph convolutional networks: a deep learning framework for traffic forecasting." Proceedings of the 27th International Joint Conference on Artificial Intelligence, 2018.

部分构图建边的方法也是参考的这篇论文的。

大家可以自己去这篇论文的github上去弄数据。嫌麻烦就直接买我这个整理好的就行了。

本案例的价值点在于图结构数据，将道路间的距离作为边的权重，利用图卷积层提取空间特征，再通过LSTM层处理时间序列数据，进行交通流量预测。

简单来说，主要是演示图结构的LSTM等模型的时间序列预测。是市面上几乎没有的代码。（图结构过于抽象，截止到2025年网上基本没多少资源）

传统的，简单的，普通的三维数据的时间序列预测看我之前的博客就行了，网上资源也不少。

(本人专注Python数据分析，更多种类数据和代码详见主页)