图神经网络在智能交通系统中的应用：进展、应用与趋势
机器学习
2024-09-20 v3
摘要
智能交通系统（Intelligent Transportation System, ITS）对于改善交通拥堵、减少事故、优化城市规划等至关重要。然而，交通网络的复杂性使得传统的机器学习和统计方法效果不佳。随着人工智能的出现，深度学习框架在各个领域取得了显著进展，现被认为在许多领域非常有效。自2019年以来，图神经网络（Graph Neural Networks, GNNs）因其对图结构数据建模和解决复杂问题的强大能力，已成为ITS领域内一种特别有前景的深度学习方法。因此，GNN在交通中的应用受到了越来越多的学术关注，并展现出了优异的性能。尽管如此，当前的研究主要集中在交通预测上，而ITS的其他领域，如自动驾驶车辆和需求预测，受到的关注较少。本文旨在回顾GNN在六个具有代表性的新兴ITS研究领域的应用：交通预测、车辆控制系统、交通信号控制、交通安全、需求预测和停车管理。我们考察了2018年至2023年间广泛的图相关研究，并在详细的表格和列表中总结了它们的方法、特点和贡献。此外，我们指出了在ITS中应用GNN的挑战，并提出了未来的潜在研究方向。
引用
@article{arxiv.2401.00713,
title = {Graph Neural Networks in Intelligent Transportation Systems: Advances, Applications and Trends},
author = {Hourun Li and Yusheng Zhao and Zhengyang Mao and Yifang Qin and Zhiping Xiao and Jiaqi Feng and Yiyang Gu and Wei Ju and Xiao Luo and Ming Zhang},
journal= {arXiv preprint arXiv:2401.00713},
year = {2024}
}