본 논문은 교통 예측을 위한 경량화된 그래프 기반 연합 학습 방법을 제안합니다. 기존 연합 학습(FL) 방법들은 지역 간의 공간적 관계를 고려하지 못하는 한계가 있는데, 본 논문에서는 FedAvg의 단순성과 그래프 학습의 장점을 결합하여 이 문제를 해결합니다. 전체 모델을 학습하는 대신, 이웃 간의 집합 원리를 적용하여 그래프 연결성을 기반으로 클라이언트 모델의 가중치를 조정함으로써 공간적 관계를 효과적으로 포착하면서도 계산 효율성을 유지합니다. METR-LA와 PEMS-BAY 두 개의 벤치마크 데이터셋을 사용하여 제안된 방법의 성능을 평가하고, 기존 방법들과 비교하여 경쟁력 있는 결과를 보임을 확인합니다.
