교통 흐름 예측을 위한 Attention 기반 공간-시간 융합 그래프 컨볼루션 네트워크

Eliminating Propagation Delay: Attention-Based Spatial-Temporal Fusion Graph Convolution Network for Traffic Flow Prediction

교통 흐름 예측은 교통 시스템 최적화와 도시 이동성 향상에 중요하다. 기존의 그래프 컨볼루션 기반 모델들은 공간-시간 및 의미적 상관관계에 집중하지만, 인접 노드 간 정보 전파 지연을 간과하고, 복잡한 구조를 쌓아 모델 훈련 시 계산 시간이 증가하는 문제를 가지고 있다. 본 논문에서는 Attention-Based Spatial-Temporal Fusion Graph Convolution Network (A-STFGCN)이라는 새로운 네트워크를 제안하며, 전파 지연 오류를 제거한 공간-시간 융합 블록을 설계하여 데이터의 장기 및 단기 시간적 특성을 포착한다. 다섯 개의 실제 데이터셋에서 광범위한 실험을 통해 제안된 방법이 여덟 개의 기준 방법에 비해 최상의 성능을 달성함을 보였다.