面向车联社交网络的图神经网络：趋势、挑战与机遇
新兴技术
2025-11-19 v1
摘要
图神经网络（Graph Neural Networks, GNNs）已成为建模复杂关联数据的数据强大工具，特别适合广泛的智能交通系统（Intelligent Transportation System, ITS）应用。本综述是首个专门针对GNNs在车联社交网络（Vehicular Social Networks, VSNs）中应用的全面综述。通过利用欧几里得数据和非欧几里得交通相关数据（包括交通模式、道路用户和天气条件），GNNs为分析和增强VSN应用提供了有前景的解决方案。综述系统性地对现有研究根据主要VSN相关任务进行分类和分析，包括交通流和轨迹预测、交通预测、信号控制、驾驶辅助、路由问题和连接管理。它进一步提供了定量见解并综合了从文献综述中提炼的关键要点。此外，综述检查了可用数据集并概述了推动GNN-based VSN应用的开放研究方向。研究结果表明，尽管GNNs在提高特定任务或子VSN图的准确性、鲁棒性和实时性能方面显示出强大潜力，但仍缺乏建模完整、独立VSN（涵盖所有功能组件）的研究。随着数据的日益增多和图学习持续进步，预计GNNs将在实现未来大规模和完全集成的VSN应用中发挥核心作用。
引用
@article{arxiv.2511.14720,
title = {Graph Neural Networks for Vehicular Social Networks: Trends, Challenges, and Opportunities},
author = {Elham Binshaflout and Aymen Hamrouni and Hakim Ghazzai},
journal= {arXiv preprint arXiv:2511.14720},
year = {2025}
}
备注
Submitted for IEEE Transactions on Intelligent Transportation Systems (T-ITS)