본 논문은 차선 단위 교통 예측 분야의 체계적인 분류 프레임워크를 최초로 제시합니다. 기존 연구들의 방법론을 구조적으로 분류하고 분석하며, 두 개의 실제 도로 네트워크에서 세 개의 대표적인 데이터셋을 구축하여 공개합니다. 정규 및 비정규 차선 구성을 모두 포함하는 이 데이터셋은 향후 연구를 지원합니다. 또한, 통일된 공간 토폴로지 구조와 예측 과제 공식화를 제시하고, 그래프 구조와 MLP 네트워크 기반의 간단하면서도 효과적인 기준 모델인 GraphMLP를 제안합니다. 이 통합 프레임워크는 데이터셋과 모델링 패러다임 전반에 걸쳐 일관된 평가를 가능하게 합니다. 기존 연구에서 공개되지 않았던 코드를 재현하고, 정확도, 효율성, 적용 가능성 측면에서 다양한 모델을 평가하는 광범위한 실험을 수행하여, 차선 단위 교통 시나리오에 대한 예측 성능과 훈련 비용을 모두 고려한 최초의 벤치마크를 제공합니다. 모든 데이터셋과 코드는 https://github.com/ShuhaoLii/LaneLevel-Traffic-Benchmark 에서 공개됩니다.
