교통 흐름 예측을 위한 동적 트렌드 융합 모듈

정확한 교통 흐름 예측은 운송 물류와 같은 응용 분야에서 필수적이지만, 복잡한 공간-시간 상관관계와 비선형적인 교통 패턴으로 인해 여전히 도전 과제로 남아 있다. 기존의 방법들은 공간적 및 시간적 의존성을 별도로 모델링하는 경우가 많아 이를 효과적으로 융합하지 못한다. 이러한 한계를 극복하기 위해, 동적 공간-시간 추세 변환기(DST2former)가 제안된다. 이는 적응형 임베딩을 통해 공간-시간 상관관계를 포착하고, 동적 정보와 정적 정보를 융합하여 교통 네트워크의 다중 시각적 동적 특징을 학습하는 데 기여한다. 본 방법은 시간적 및 공간적 차원의 인코더를 활용하여 동적 추세를 생성하는 동적 추세 표현 변환기(DTRformer)를 도입하며, 이를 교차 공간-시간 주의 메커니즘(Cross Spatial-Temporal Attention)을 통해 융합한다. 사전 정의된 그래프는 정적 특징을 추출하고 중복을 줄이기 위해 표현 그래프로 압축된다. 네 개의 실세계 교통 데이터셋을 대상으로 한 실험 결과, 제안하는 프레임워크가 최첨단 성능을 달성함을 입증하였다.