물류, 그래프, 그리고 트랜스포머: 이동 시간 예측 향상을 위한 접근

여행 시간 추정 문제는 현대 물류 분야에서 핵심적인 과제로 널리 인식되고 있다. 도로의 공간적 특성과 지상 운송의 시간적 동역학 간 복잡한 상호 연결성은 여전히 실험과 탐구가 가능한 영역을 유지하고 있다. 그러나 현재까지 축적된 데이터의 거대한 규모는 기존 솔루션을 크게 능가할 수 있는 가능성을 지닌 학습 모델 구축을 촉진하고 있다. 여행 시간 추정 문제를 해결하기 위해, 본 연구에서는 트랜스포머 아키텍처를 기반으로 한 새로운 방법론인 TransTTE를 제안한다.