如何在交通领域构建基于图的深度学习体系结构:一个综述，How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey

主题： How to Build a Graph-Based Deep Learning Architecture in Traffic Domain: A Survey

摘要： 深度学习在计算机视觉和自然语言处理方面的巨大成功激发了研究人员在交通领域中利用深度学习技术的灵感。已经提出了各种深度学习架构来解决交通域中的复杂挑战（例如，空间时间依赖性）。此外，研究人员传统上将交通网络建模为空间维度上的网格或分段。但是，许多交通网络本质上都是图结构的。为了充分利用此类空间信息，更合适的方法是将交通网络数学化为图形。近来，已经开发了许多新颖的深度学习技术来处理图形数据。越来越多的作品将基于图的深度学习技术应用于各种交通任务中，并取得了最先进的性能。为了提供这种新兴趋势的全面而清晰的描述，此调查仔细检查了许多交通应用中各种基于图的深度学习体系结构。我们首先给出指导方针，根据来自各种交通数据的图形和构造图来制定交通问题。然后，我们分解这些基于图的架构，并讨论它们共享的深度学习技术，以阐明每种技术在交通任务中的利用。此外，我们总结了常见的流量挑战以及针对每种挑战的相应的基于图的深度学习解决方案。最后，我们在这个快速增长的领域中提供基准数据集，开放源代码和未来的研究方向。