본 논문은 도시화 심화에 따라 교통 시스템 효율적 관리를 위해 필수적인 정확한 교통량 추정 및 예측에 관한 연구이다. 기존의 정적 센서 기반 방법은 공간적 범위가 제한적인 반면, 차량탐지기(probe vehicles)는 더 풍부한 데이터를 제공하지만, 데이터가 불규칙하고 희소하다는 단점이 있다. 본 연구는 이동 차량탐지기의 측정값과 하류 경계 입력을 사용하여 시공간적 교통 상태의 온라인 추정과 정량화된 불확실성을 제공하는 새로운 딥 오퍼레이터 네트워크(ON-Traffic)와 후퇴 수평선 학습 기반 프레임워크를 제시한다. 수치 및 시뮬레이션 데이터셋을 통해 불규칙하고 희소한 입력 데이터 처리, 시간 지연 시나리오 적응, 그리고 잘 보정된 불확실성 추정 능력을 평가하였다. 실험 결과는 충격파 및 정체 전파를 포함한 복잡한 교통 현상을 포착하면서 노이즈와 센서 이상에 대한 강건성을 유지함을 보여준다. 이러한 발전은 온라인 적응형 교통 관리 시스템으로 향하는 중요한 진전을 의미한다.
