本书针对出租汽车起讫点需求预测问题，提出了基于多头动态图注意力网络（MDGAT）和多层级连续时间动态节点注意力网络（MCNAT）的模型。MDGAT通过动态图生成和时空注意力机制，有效挖掘时空特征，提升预测精度。MCNAT则通过连续时间嵌入和多层级时空感知层，解决数据稀疏性问题，增强模型鲁棒性。实验结果表明，两种模型在真实数据集上均优于现有方法，为出租汽车需求预测提供了新的研究思路和方法，对智慧交通系统的优化具有重要意义。 本书可供相关研究人员参考阅读。

第一章 绪论
第一节 研究背景与意义
第二节 国内外研究现状
第三节 本书内容结构
第二章 相关概念与技术介绍
第一节 时空数据挖掘
第二节 深度学习理论
第三节 动态图及时空图学习
第四节 本章小结
第三章 问题定义及数据重构
第一节 问题定义
第二节 数据来源
第三节 数据预处理
第四节 出行需求数据特性分析
第五节 本章小结
第四章 基于MDGAT的出租汽车OD时空特征挖掘预测模型
第一节 模型总体框架
第二节 基于MDGAT的出租汽车OD需求预测模型
第三节 实验
第四节 本章小结
第五章 基于MCNAT的出租汽车OD时空特征挖掘预测模型
第一节 基于连续时间的出租汽车OD需求预测
第二节 模型框架
第三节 实验
第四节 本章小结
第六章 结论和展望
第一节 结论
第二节 创新点
第三节 展望
参考文献