本論文では、交通時系列における複雑な依存関係をモデル化するための強力なツールとして空間-時間グラフを提案しています。実世界の交通データは多くの利害関係者によって分散しているため、相互クライアント間の空間依存性をデータのローカリティ制約を順守しながらモデル化・再構成することは大きな課題です。既存の手法は主に静的依存性に焦点を当てており、動的な特性を見逃しているため、性能が最適ではありません。これに対して、著者らは「動的相互クライアント空間依存性をモデル化するための連邦的空間-時間グラフ（FedSTGD）」というフレームワークを提案します。FedSTGDは、非線形計算分解モジュールを組み込み、複雑なグラフ操作を近似し、ノード埋め込みの拡張モジュールを通じて性能の低下を軽減します。これらのモジュールは、クライアント-サーバーの協調学習プロトコルによって連携し、依存性学習タスクを軽量な並列処理可能なサブタスクに分解します。四つの実データセットでの実験により、FedSTGDはRMSE、MAE、MAPEにおいて最先端の基準を上回る性能を示し、中央集権的な基準に近づいています。