使用场景
用于预测纽约市的交通流量，帮助交通管理部门优化交通信号灯控制。
分析洛杉矶的出租车需求模式，为出租车公司提供运营策略建议。
在成都进行自行车轨迹分析，为城市规划提供自行车道设计参考。
产品特色
使用Transformer架构和图神经网络建模交通数据的复杂时空依赖
支持大规模、异构的交通数据集的预训练
零样本学习突破，无需微调即可在多种交通预测任务中表现优异
提供完整的代码、数据和模型权重，方便研究者和开发者使用
支持多种交通相关数据类别，如交通流量、出租车需求、自行车轨迹等
提供详细的使用说明和环境配置指南，便于快速上手
使用教程
克隆或下载OpenCity代码库
安装所需的Python环境和依赖库
下载并准备预训练数据集，放置在指定目录
根据需要选择合适的预训练配置，执行预训练脚本
使用预训练好的模型进行交通预测任务，或进行进一步的微调
