딥러닝은 교통 예측 모델이 날씨 및 시간 정보와 같은 다중 보조 데이터 소스를 융합하여 예측 정확도를 향상시킬 수 있도록 합니다. 기존 방법들은 일반성 및 확장성에 제한이 있으며, 이 분야에는 공정한 모델 비교를 위한 통합 벤치마크 프레임워크가 부족합니다. 이러한 부족은 성능 평가의 일관성을 방해하고, 견고하며 적응력이 뛰어난 모델 개발을 지연시키며, 다양한 보조 데이터 소스의 증가 이점을 정량화하기 어렵게 만듭니다. 이러한 문제를 해결하기 위해, 우리는 다중 소스 보조 데이터를 융합한 교통 예측 딥러닝 통합 벤치마크 프레임워크인 MltAuxTSPP를 제안합니다. 이 프레임워크는 표준화된 데이터 컨테이너와 융합 임베딩 모듈을 갖추어 이기종 데이터의 통합 처리를 가능하게 하고 확장성을 향상시킵니다. 생성된 통합 잠재 표현은 다양한 후속 모델에서 원활하게 활용될 수 있어 동일 조건에서 공정하고 재현 가능한 비교를 보장합니다. 실제 데이터셋을 기반으로 한 광범위한 실험은 MltAuxTSPP가 기상 및 시간 특성을 효과적으로 활용하여 장기 예측 성능을 향상시키며, 교통 상태 예측 연구를 진전시키기 위한 실용적이고 재현 가능한 기본 프레임워크를 제공함을 입증했습니다.

교통 예측;벤치마크 플랫폼;딥러닝;다중 소스 보조 데이터