Bài báo này đề xuất M3-Net, một mô hình perceptron đa lớp (MLP) hiệu quả về chi phí, không cần đồ thị, dùng để dự đoán lưu lượng giao thông chính xác, thiết yếu cho sự phát triển của các hệ thống giao thông thông minh. Các mô hình dự đoán lưu lượng giao thông dựa trên học sâu hiện có thường dựa trên cấu trúc mạng lưới giao thông hoàn chỉnh hoặc yêu cầu thiết kế mô hình phức tạp để nắm bắt các mối quan hệ không gian-thời gian phức tạp. M3-Net giải quyết những vấn đề này bằng cách sử dụng chuỗi thời gian và nhúng không gian-thời gian để xử lý tính năng hiệu quả và giới thiệu kiến trúc MLP-Mixer mới với cơ chế Hỗn hợp Chuyên gia (MoE). Các thử nghiệm trên nhiều tập dữ liệu thực tế khác nhau chứng minh hiệu suất dự đoán vượt trội và khả năng triển khai gọn nhẹ của mô hình được đề xuất.
