百度在数据挖掘顶级会议 KDD2020 上发表的一篇路线时长预估的工作——《ConSTGAT: Contextual Spatial-Temporal Graph Attention Network for Travel Time Estimation at Baidu Maps》。

论文提出了一种叫做ConSTGAT的模型，实验表明可以有效提升路线时长预测的准确性，并显著减小了预测任务所需的计算量。作为工业级的解决方案，ConSTGAT已经部署到百度的通行时长预估服务中，每天成功响应数百亿次ETA请求。

针对时空历史路况信息，ConSTGAT设计了新的 三维时空图注意力网络 (3D Graph Attention Network, 3DGAT)，它能够在建模的同时兼顾时间与空间的历史路况的关联性；在处理路线上下文信息的方面，则使用了卷积结构提取路线上所有路段的局部上下文信息，并使用多任务学习同时学习路线和路段的通行时长。

内容中包含的图片若涉及版权问题，请及时与我们联系删除