La predicción del flujo de tráfico, crucial para los sistemas de transporte inteligente, ha visto avances con las redes neuronales de grafos (GNNs), sin embargo, los métodos existentes a menudo no logran distinguir la importancia de las diferentes intersecciones. Estos métodos suelen modelar todas las intersecciones de forma uniforme, pasando por alto diferencias significativas en las características del flujo de tráfico y los rangos de influencia entre nodos ordinarios e importantes.