Cet article propose M3-Net, un modèle économique et sans graphe basé sur le perceptron multicouche (MLP) pour la prévision précise du volume de trafic, essentiel au développement de systèmes de transport intelligents. Les modèles existants de prévision du volume de trafic basés sur l'apprentissage profond présentent l'inconvénient de s'appuyer sur la structure complète du réseau de trafic ou de nécessiter des conceptions de modèles complexes pour capturer des dépendances spatio-temporelles complexes. M3-Net résout ces problèmes en utilisant des séries temporelles et des intégrations spatio-temporelles pour un traitement efficace des caractéristiques et en introduisant une nouvelle architecture MLP-Mixer avec un mécanisme de mélange d'experts (MoE). Des expériences sur divers jeux de données réels démontrent les performances prédictives supérieures et la déployabilité légère du modèle proposé.
