Temporal Graph Neural Network (TGNN) 챌린지 해결

Source: Dev.to

시나리오

현재 실시간 교통 데이터, 날씨 조건, 그리고 시간대를 고려하여 다음 한 시간 동안 도시 도로 네트워크의 교통 혼잡 수준을 예측하는 시간적 그래프 신경망을 개발해야 한다고 가정해 보세요. 모델은 공간 및 시간 그래프 구조를 모두 포함하고, 출퇴근 시간, 축제, 공사 현장 차단과 같은 주기적 이벤트도 반영해야 합니다.

제약 조건

• 그래프 크기: 평균 200개의 엣지를 가진 1,000개의 노드(교차로)로 구성된, 약 200,000개의 엣지를 가진 밀집 그래프.
• 시간 해상도: 과거 24시간 동안 1분 단위의 교통 데이터를 학습에 사용.
• 날씨 데이터: 실시간 온도, 습도, 풍속, 강수량을 반드시 포함.
• 모델 평가: 평균 절대 오차(MAE), 평균 제곱 오차(MSE), 그리고 ROC 곡선 아래 면적(AUROC)을 조합하여 사용.
• 컴퓨팅 제한: 단일 NVIDIA Tesla V100 GPU(16 GB 메모리)에서 최대 4시간의 학습 시간 제한.

목표

실시간 교통 데이터와 날씨 조건을 입력으로 받아, 도로 네트워크 내 각 교차로의 다음 한 시간 동안 교통 혼잡 수준을 정확히 예측할 수 있는 시간적 그래프 신경망을 개발합니다.

제출 요구 사항

1. 코드베이스 – TensorFlow 또는 PyTorch를 사용한, 잘 문서화된 Python 프로젝트.
2. 모델 설명 – 아키텍처에 대한 상세 설명, 사용된 새로운 그래프 신경망 연산이나 기법을 강조.
3. 성능 그래프 – 평가 세트에 대한 모델의 MAE, MSE, AUROC 시각화.

평가 기준

• 예측 정확도 – 교통 혼잡 예측의 품질.
• 해석 가능성 – 모델 결정에 대한 설명 능력.
• 컴퓨팅 효율성 – 주어진 하드웨어와 학습 시간의 효과적인 활용.

제출 마감일

2025년 12월 15일.