它怎样工作
把时间序列中的水平、趋势、季节和滞后关系建模；指数平滑和 ARIMA 等在卡片内作为模型实例，而非额外导航项。
适合回答什么问题
客流、共享出行、用水与用电需求的连续预测。
城市研究中的用法
真实研究
一项意大利多城市共享汽车研究以车辆停放和移动记录预测不同时空位置的车辆分布，并与 SARIMA 等时间序列预测方法比较。课堂可先做单一区域的时间序列基线，再讨论空间信息带来的增益。
解释时要注意什么
当空间迁移和外部冲击很重要时，只看本地历史通常不够。
滞后；季节性。
P / Prediction · P2
时间序列预测
Time-Series Forecasting
利用自身历史中的趋势、周期和依赖关系估计未来。