作为一位资深新闻工作者，以下是对您提供的信息的新闻报道草稿：
标题：OpenCity：长时间交通预测的新突破，零样本下表现出色
随着城市化进程的加快，交通拥堵问题日益严重，如何准确预测交通状况成为城市规划者和交通机构关注的焦点。近日，香港大学、华南理工大学与百度联合研发出一款长时间城市交通预测模型——OpenCity，该模型在零样本预测方面表现出色，有望为城市交通管理提供新思路。
OpenCity模型结合了Transformer架构和图神经网络，用以模拟交通数据中复杂的时空依赖关系。通过在大规模、异质性交通数据集上进行预训练，OpenCity能够学习丰富、具有泛化性的表征，有效应用于广泛的交通预测场景。
与传统交通预测模型相比，OpenCity具有以下显著特点：
-
通用时空建模：OpenCity能够有效处理不同空间区域和时间城市交通模式的固有多样性和变化。
-
卓越的零样本预测能力：OpenCity在零样本学习方面取得了重大突破，即使不进行微调，也超越了大多数基线。
-
快速的情境适应能力：OpenCity在不同天的时空预测任务中展现了广泛的适用性，模型只需快速微调就能适应上下文。
-
可扩展性：OpenCity展示了有希望的缩放定律，表明该模型有潜力在最小的额外训练或微调需求下有效扩展和适应新的、以前未见过的场景。
当前交通预测模型主要面临跨区域空间泛化能力、时间泛化与长期预测、学习有效的通用表征并应对时空异质性三大挑战。OpenCity模型通过一系列新策略，如时空嵌入上下文归一化、Patch嵌入、时空上下文编码等，有效解决了这些挑战。
在测试中，OpenCity在零样本学习方面的表现超越了大多数基线，显示出强大的泛化能力和预测精度。这一突破为长时间交通预测提供了新的可能，有望助力城市交通管理实现智能化、精准化。
随着OpenCity模型的进一步优化和应用，未来城市交通预测将更加准确，为我国城市交通发展注入新动力。
以上仅为新闻报道的草稿，具体内容可能需要根据实际情况进行调整。
Views: 0