초록
교통 예측은 지능형 교통 시스템(ITS)에 있어 매우 중요한 과제이다. 교통 행동의 복잡성과 교통 데이터의 비유클리드적 특성 때문에 정확한 교통 예측을 도출하는 것은 여전히 도전적인 과제이다. 기존 연구들은 다양한 노드 간의 관계를 고려한 바 있으나, 대부분 정적 표현 방식에 의존하여 시간에 따른 동적 노드 간 상호작용을 충분히 포착하지 못했다. 또한, 이전 연구들은 시계열 종속성을 모델링하기 위해 RNN 기반의 모델을 활용하였다. RNN은 예측 문제에 있어 널리 사용되는 방법이지만, 메모리 소비가 크고 학습 속도가 느리다는 단점이 있다. 더불어 최근 연구들은 노드 간 유사성 알고리즘을 활용하여 한 노드가 다른 노드에 미치는 영향을 더 잘 표현하려는 시도를 하고 있다. 그러나 우리 지식에 따르면, 노드 간의 유사성 또는 상호작용이 교통 예측 성능에 미치는 기여도에 대한 체계적인 탐색은 아직 이루어지지 않았다.