본 논문은 일부 지역에만 센서가 설치된 상황에서 장기간 교통량을 예측하는 부분 감지 장기 교통 예측 문제를 다룬다. 기존 연구들이 모든 지역에 센서가 있다고 가정하거나 단기 예측에만 집중한 것과 달리, 본 논문은 센서가 부분적으로만 설치된 상황에서 장기간 교통량을 예측하는 모델을 제시한다. 이 문제는 센서가 없는 지역의 알 수 없는 데이터 분포, 장기 예측의 복잡한 시공간적 상관관계, 그리고 교통 패턴의 노이즈로 인해 어려움을 겪는다. 본 논문에서는 노이즈 감소를 위한 순위 기반 임베딩 기법, 감지된 위치에서 감지되지 않은 위치로의 공간 분포 변화를 극복하기 위한 공간 전달 행렬, 그리고 모델 정확도 향상을 위해 모든 데이터를 이용하는 다단계 훈련 과정을 포함하는 시공간 장기 부분 감지 예측 모델(SLPF)을 제안한다. 여러 실제 교통 데이터셋에 대한 광범위한 실험을 통해 그 우수한 성능을 입증한다.
