본 논문은 공간-시간 예측에서 정확성과 일관성 있는 예측 성능을 모두 달성하는 방법을 제시합니다. 기존 방법들이 이질적인 공간 노드들을 완전히 평균화된 관점에서 다루어 편향된 예측 결과를 초래하는 문제를 해결하기 위해, 이질성을 고려한 전문가 혼합 모델(HiMoE) 프레임워크를 제안합니다. HiMoE는 추세 이질성을 해결하는 HiGCN(Heterogeneity-Informed Graph Convolutional Network)과 노드 간 기수 이질성을 처리하는 NMoE(Node-wise Mixture-of-Experts) 모듈로 구성됩니다. 또한, 공간-시간 예측의 공정성을 다루는 벤치마크인 STFairBench를 제시합니다. 실험 결과, HiMoE는 기존 최고 성능 모델보다 모든 평가 지표에서 최소 9.22% 이상 향상된 성능을 보였습니다.
