지능형 교통 시스템의 안전성과 신뢰성을 위해 교통 시계열 데이터 결측치 처리는 필수적입니다. 본 논문은 다양한 유형의 결측 데이터를 처리하기 위해 Primary-Auxiliary Spatio-Temporal network (PAST)를 제안합니다. PAST는 그래프 통합 모듈(GIM)과 교차 게이트 모듈(CGM)로 구성되어 있으며, GIM은 데이터 포인트 간의 내부 관계에서 발생하는 기본 패턴을, CGM은 시간 스탬프 및 노드 속성과 같은 외부 요인의 영향을 받는 보조 패턴을 추출합니다. 두 모듈은 공유된 은닉 벡터를 통해 상호 작용하며, 앙상블 자기 지도 학습 프레임워크에서 훈련됩니다. 27가지 결측 데이터 조건에서 세 개의 데이터셋에 대한 실험을 통해 PAST가 7개의 최첨단 baseline 보다 RMSE에서 최대 26.2%, MAE에서 31.6%까지 더 높은 정확도를 보였습니다.
