[arxiv论文阅读]A Survey on Graph Neural Networks in Intelligent Transportation Systems

Li, H., Zhao, Y., Mao, Z., Qin, Y., Xiao, Z., Feng, J., Gu, Y., Ju, W., Luo, X., & Zhang, M. (2024). A Survey on Graph Neural Networks in Intelligent Transportation Systems. In arXiv [cs.LG]. arXiv. http://arxiv.org/abs/2401.00713

中文题目：智能交通系统中的图神经网络综述

摘要
智能交通系统（ITS）对于改善交通拥堵、减少交通事故、优化城市规划等方面至关重要。然而，由于交通网络的复杂性，传统的机器学习和统计方法被边缘化。随着人工智能时代的到来，许多深度学习框架在各个领域取得了显著的进展，并被认为是许多领域中有效的方法。作为深度学习方法，图神经网络（GNNs）自2019年以来在ITS领域已经成为一种高度竞争的方法，因为它们在建模与图相关的问题方面具有强大的能力。因此，越来越多的学者开始关注GNNs在交通领域的应用，并且已经展现出卓越的性能。然而，该领域的大部分研究仍然集中在交通预测方面，而其他ITS领域，如自动驾驶车辆和城市规划，仍需要更多的关注。本文旨在回顾GNNs在六个具有代表性和新兴意义的ITS领域中的应用：交通预测、自动驾驶车辆、交通信号控制、交通安全、需求预测和停车管理。我们回顾了2018年到2023年间大量与图相关的研究，总结了它们的方法、特征和贡献，并在信息丰富的表格或列表中呈现。最后，我们确定了将GNNs应用于ITS面临的挑战，并提出了潜在的未来方向。

图1 智能交通系统中模型和图神经网络应用的发展

图2. 智能交通系统中的研究领域。