【清华大学】图神经网络交通流预测综述论文，19页pdf

交通预测是智能交通系统成功的一个重要因素。深度学习模型包括卷积神经网络和递归神经网络已被应用于来建模交通预测问题的空间和时间依赖性。近年来，为了对交通系统中的图结构和上下文信息进行建模，引入了图神经网络(GNNs)作为新的工具，在一系列交通预测问题中取得了最先进的性能。在本综述论文中，我们回顾了近年来快速增长的使用不同GNN的研究，如图卷积和图注意力网络，用于各种交通预测问题，如道路交通流量和速度预测，城市轨道交通系统客流预测，网约车平台的需求预测等。我们也为每个问题提供了一个开放的数据和资源的集合，以及未来的研究方向。据我们所知，本文是第一次对图神经网络在交通预测问题中的应用进行全面的研究。我们还创建了一个Github公共资源库来更新最新的论文、开放数据和资源。

https://www.zhuanzhi.ai/paper/3a297985e3b4ac9f1c395dc78cc5cf03