创新点：
1.将条件交通估计问题建模为交通数据生成问题
2.用动态卷积层和自我关注机制捕获交通状态根据时间、出行需求和道路网络变化情况
获取一个地区所有交通工具的总出行需求是很难的，所以，我们使用出租车的需求来表示区域旅行需求，很多研究也表明，出租车需求很好地代表了总需求
问题描述：
给定一个网格每个时间的出行需求，用来区域估计旅行状况
表示一个区域的网格
1.网格时间内的旅行需求：
，R是网格，t是时间
2.交通状况：
交通状态表示交通的质量，可以用交通速度、交通流入/流出量、交通量等来衡量，如果只有speed，则交通状态策略为1
3.区域R一天的的交通分布
矩阵的每个元素都是一个交通状态
4.一天内区域R的交通流量相关性矩阵
每个A都是非负和归一化
1.动态卷积层Dyconv
为了在捕获交通状态空间的自相关性，在生成器和鉴别器中都加入了动态卷积层
动态卷积层的输入：
1.
Ns是每个区域包含的网格，status是交通状态考量的要素，要是只有speed，则status = 1
2.
交通相关性矩阵
动态卷积层的输出：会使一个新的交通状态矩阵，i代表第i层
交通相关矩阵相当于一个滤波器，而DyConv中的filter是由A和交通状态矩阵H共同创建的，具有不规则的形状和大小
2.自注意力机制
多头注意力
3.CGAN机制
生成器G输入：
1.噪声张量：
2.条件张量：
的矩阵大小为Ns*4，区域R
重复Ns次
3.相关性矩阵：