Un artículo aceptado publicado en Scientific Reports el 10 de octubre por investigadores afiliados a King Abdulaziz University y Taif University propone una red de atención de grafos que combina relaciones espaciales y temporales para clasificar la congestión del tráfico. DLUMIS-TCF utiliza Elastic Net para seleccionar características, una red de atención de grafos espaciotemporal heterogénea para la clasificación, AdaBelief para optimizar y SHAP para explicar la contribución de las variables. La evaluación usó el conjunto público Urban Mobility Intelligence de Kaggle, con 3.287 registros de viajes. El artículo no especifica una ciudad para ese conjunto.

El artículo informa de un 94,07 % de precisión en una división de prueba 80/20 y una media del 94,15 % en validación cruzada de diez pliegues. Los resultados se refieren a clasificar etiquetas de congestión baja, media y alta dentro de ese conjunto; no demuestran que el modelo se haya utilizado con tráfico urbano en vivo ni en una carretera de Arabia Saudí. Los investigadores señalan que el estudio se limita a un benchmark y requiere validación adicional con conjuntos urbanos reales más amplios y flujos en tiempo real. La revista lo identifica como un artículo aceptado compartido anticipadamente, cuya versión final puede recibir cambios.