본 논문은 지능형 교통 시스템에서 핵심 과제인 교통량 예측을 위한 새로운 모델인 LSTAN-GERPE (Lightweight Spatio-Temporal Attention Network with Graph Embedding and Rotational Position Encoding)을 제안합니다. 기존 GNN 기반 모델들이 단거리 공간 정보만 고려하는 한계를 극복하고자, 시간 및 공간 어텐션 메커니즘을 활용하여 장거리 교통 동역학을 효과적으로 포착합니다. 공간 및 시간 어텐션 메커니즘 모두에서 그리드 서치를 통해 회전 위치 인코딩의 최적 주파수를 결정하여 복잡한 교통 패턴을 효과적으로 학습합니다. 또한, 지리적 위치 정보를 공간-시간 임베딩에 통합하여 특징 표현을 향상시킵니다. 제안된 방법은 PeMS04 및 PeMS08 실제 교통량 예측 데이터셋에서 광범위한 특징 엔지니어링 없이도 높은 정확도를 달성합니다.