1.6　本章小结

本章首先从时空数据、时空数据挖掘的宏观角度，明确了道路短期交通状态时空序列预测是时空数据挖掘领域的一个研究子集；其次，以数学形式化的表达描述了该预测问题，并指出了预测的核心是复杂的时空相关性建模，在此基础上，分析了复杂时空相关性建模的关键核心挑战包括动态性、非线性、异质性、多尺度性等；再次，从数据组织、是否整合外部信息、预测时间尺度与空间尺度的不同对预测问题进行了宏观分类，并对该预测问题的历史研究进行了简单的文献综述；最后，结合本书重点关注的内容，给出了基于深度学习的预测一般性框架。