本研究提出了一种新框架GraphSparseNet，旨在解决基于图神经网络的交通流预测中的可扩展性问题。该框架通过特征提取器和关系压缩器降低计算复杂性，同时保持高预测准确性，训练时间比传统模型缩短3.51倍。