تعتبر توقعات حركة المرور من العناصر الأساسية في أنظمة النقل الذكية، لكنها لا تزال تمثل تحديًا حقيقيًا في الواقع بسبب انتشار المستشعرات غير المنتظم وتكلفة النمذجة العالية للاعتماديات الزمانية المكانية على نطاق واسع. في معظم شبكات المرور العملية، تتوزع المستشعرات بشكل غير متساوٍ عبر المناطق، مما يؤدي إلى هياكل مكانية غير منتظمة تُقيّد فعالية وكفاءة النماذج المعتمدة على الرسوم البيانية (Graphs) وعلى الانتباه (Attention).

للتغلب على هذه التحديات، تم اقتراح نموذج PatchSTG، الذي يعد بمثابة منصة متطورة تعتمد على الرسوم البيانية الزمانية المكانية. الفكرة الرئيسية هنا هي تقديم تمثيل مكاني هرمي يقسم المستشعرات إلى أجزاء متوازنة تحافظ على الخصوصية المحلية بناءً على المعلومات الجغرافية. يتيح هذا الهيكل لمشفر الانتباه المزدوج التبديل بين الانتباه الداخلي للكتل لالتقاط التفاعلات المحلية والانتباه الخارجي للنمذجة على مستوى الاعتماديات العالمية، مما يقلل من التعقيد الحسابي من النطاق التربيعي إلى تقريبًا خطي.

تم تقييم PatchSTG باستخدام بيانات حركة المرور الواقعية من ولاية رود آيلاند ومجموعات بيانات كبيرة إضافية. أظهرت نتائج التجارب أن النموذج المقترح يحقق أداءً ثابتًا وتنافسيًا في توقعات الحركة عبر آفاق زمنية مختلفة، بينما يُحسن بكفاءة العمليات الحسابية بشكل كبير. كما تؤكد دراسات الإزالة على فعالية تقسيم الفضاء والانتباه المزدوج في التقاط كل من الديناميات المحلية وطويلة المدى لحركة المرور.

تشير هذه النتائج إلى أن النمذجة الزمانية المكانية المعتمدة على تقسيم الأجزاء توفر إطار عمل قابل للتوسع وفعّال في توقع حركة المرور تحت الظروف المكانية غير المنتظمة.