时空预测在天气预报、运输规划等领域有着重要的应用价值。交通预测作为一种典型的时空预测问题，具有较高的挑战性。以往的研究中主要利用通行时间这类交通状态特征作为模型输入，很难预测整体的交通状况。在 KDD 2020 论文《Hybrid Spatio-Temporal Graph Convolutional Network: Improving Traffic Prediction with Navigation Data》中，来自高德机器学习团队的研究人员提出的混合时空图卷积网络，利用导航数据大大提升了时空预测的效果。该论文已被KDD 2020会议接收。