본 논문은 지능형 교통 시스템 개발에 필수적인 정확한 교통량 예측을 위한 비용 효율적인 그래프 없는 다층 퍼셉트론(MLP) 기반 모델인 M3-Net을 제안한다. 기존의 심층 학습 기반 교통량 예측 모델들은 완전한 교통 네트워크 구조에 의존하거나 복잡한 시공간적 의존성을 포착하기 위한 복잡한 모델 설계가 필요하다는 한계점을 가지고 있다. M3-Net은 시계열 및 시공간 임베딩을 사용하여 효율적인 특징 처리를 수행하고, 전문가 혼합(MoE) 메커니즘을 갖춘 새로운 MLP-Mixer 아키텍처를 도입하여 이러한 문제점을 해결한다. 다양한 실제 데이터셋에 대한 실험을 통해 제안된 모델의 우수한 예측 성능과 경량화된 배포 가능성을 보여준다.
