تمثّل التنبؤ بحركة المرور أهمية كبيرة لأنظمة النقل الذكية (ITS). نظرًا للتعقيد المُتضمّن في سلوك حركة المرور والطبيعة غير الإقليدية للبيانات المرورية، يُعد التنبؤ الدقيق بحركة المرور أمرًا صعبًا. وعلى الرغم من أن الدراسات السابقة أخذت بعين الاعتبار العلاقة بين العقد المختلفة، إلا أن معظمها اعتمد تمثيلًا ثابتًا، مما أدى إلى فشله في التقاط التفاعلات الديناميكية بين العقد عبر الزمن. علاوةً على ذلك، اعتمدت الدراسات السابقة نماذج تعتمد على الشبكات العصبية التكرارية (RNN) لالتقاط الاعتماد الزمني. ورغم أن الشبكات العصبية التكرارية تُعد خيارًا شائعًا لمشكلات التنبؤ، إلا أنها تميل إلى استهلاك كميات كبيرة من الذاكرة وتأخر في التدريب. بالإضافة إلى ذلك، بدأت الدراسات الحديثة في استخدام خوارزميات التشابه لتمثيل العلاقة بين العقد بشكل أفضل. ومع ذلك، وفقًا لمعرفتنا، لم يُدرَس حتى الآن مساهمة العقد في هذا السياق.