交通预测是智能交通的核心内容。如今，基于深度学习的交通预测方法受到广泛关注，特别是以Transformer为代表的预测方法是该领域的研究热点。本报告介绍一种融合提示学习的多尺度时空Transformer方法，重点介绍预训练Transformer、多尺度提示学习等关键模块，以及这些模块从交通数据中提取时空信息的具体流程。随后，结合实验结果分析该方法在交通预测任务中的优势。最后，在本文的基础上对未来潜在的研究方向进行讨论。

报告人简介：雷名龙，男，博士，副教授，硕士生导师，北京工业大学计算机学院、北京人工智能研究院教师。2019年博士毕业于中国科学院大学。承担国家自然科学基金专项、北京市自然科学基金面上等多项纵向课题，在IEEE TCYB、IEEE TITS、IEEE TBD、PR、NN等人工智能领域著名期刊与会议上发表论文30余篇。