Los puntos clave no están disponibles para este artículo en este momento.
La predicción espacio-temporal tiene como objetivo prever y obtener información sobre la dinámica en constante cambio de los entornos urbanos a través del tiempo y el espacio. Su propósito es anticipar patrones, tendencias y eventos futuros en diversas facetas de la vida urbana, incluyendo el transporte, el movimiento de la población y las tasas de criminalidad. Aunque se han dedicado numerosos esfuerzos al desarrollo de técnicas de redes neuronales para obtener predicciones precisas en datos espacio-temporales, es importante señalar que muchos de estos métodos dependen en gran medida de contar con suficientes datos etiquetados para generar representaciones espacio-temporales precisas. Desafortunadamente, el problema de la escasez de datos es generalizado en escenarios prácticos de detección urbana. En ciertos casos, se vuelve un desafío recopilar cualquier dato etiquetado de escenarios posteriores, intensificando aún más el problema. En consecuencia, se vuelve necesario construir un modelo espacio-temporal que pueda exhibir fuertes capacidades de generalización a través de diversos escenarios de aprendizaje espacio-temporal.
Li et al. (Sat,) estudiaron esta cuestión.