본 논문은 EV 충전 수요 예측의 정확성을 높이기 위해 개발된 HyperCast라는 새로운 예측 프레임워크를 제시한다. 기존의 그래프 신경망 기반 방법론이 도시 충전 네트워크의 복잡한 그룹별 역학 관계를 포착하는 데 한계가 있다는 점을 지적하며, 하이퍼그래프를 활용하여 EV 충전 패턴 내 고차원 시공간 의존성을 모델링한다. HyperCast는 정적 지리적 근접성과 동적 수요 기반 기능적 유사성을 모두 캡처하는 다중 뷰 하이퍼그래프와 다양한 시간 규모의 입력을 통합하여, 최신 트렌드와 주간 주기성을 구분한다. 특화된 하이퍼 시공간 블록과 맞춤형 교차-주의 메커니즘을 사용하여 다변화된 정보 소스 (뷰 및 시간 규모)로부터 정보를 효과적으로 융합한다. 4개의 공개 데이터셋에 대한 광범위한 실험 결과는 HyperCast가 기존의 최첨단 기법들을 크게 능가하며, 집단적인 충전 행동을 명시적으로 모델링하는 것이 더욱 정확한 예측을 가능하게 함을 보여준다.
