时空预测在城市智慧治理中无处不在，它不仅关注交通和人群的 流动，还涉及资源分配、节能减排、公共卫生等多个场景。然而时空预测模型往往需要处理复杂且动态的时空关联，不同时空场景数据分布差异大，建模难度高。重庆国家应用数学中心数学与智能交通团队在数据模型双驱动的思想指导下，结合场景领域知识，开展多尺度时 空预测研究及在智能交通等场景下的实际应用，持续推动超大城市现 代化治理。

该系统构建了一个多尺度时空预测整体框架，可精准刻画城市交通流的复杂演化过程。系统将多源交通观测数据映射至高维表示空间，通过时空变换模块提取长期趋势与短时波动特征，同时捕获道路网络中远距离节点之间潜在的交互作用。引入的门控选择与状态更新单元能够自适应地融合历史状态与实时特征，确保在多尺度、多场景下对突发事件和非平稳变化的快速响应，输出未来多个时间步的交通流分布，实现从局部路段到整体城市范围的高精度动态预测。

在重庆典型路网的试点运行测试可实现未来5-60分钟车流量的高精度预测，RMSE较传统LSTM方法平均降低约15%，拥堵预警时间提前约20%。

应急车道的动态使用是对现有紧张道路资源的一个有效扩充，为实现对应急车道的安全、科学及实时动态管控，保障开放使用过程中的应急响应能力和行车安全，重庆国家应用数学中心与重庆市公安局交巡警总队联合研发了"应急车道智慧动态管控系统”，能融合多源数据感知、人工智能决策、实时响应能力和自适应控制能力，以支持不同交通状态下的动态管控策略制定及执行。系统包括"感知层-分析层-决策层”，具体功能包括交通态势感知、交通预测分析、动态管控决策、风险预警与异常处置、可视化管理与多部门联动。适用于城市快速路、高速公路及重要交通枢纽的应急车道智能化管理场景。

该系统已在重庆市凤中至华岩、赖家桥至G93等著名"堵点”初显威力一-试点区域高峰拥堵时间平均缩短45分钟，每天引导超过3万车次快速通行。