intelligent-transportation

本综述回顾了应用于交通预测的神经架构搜索（NAS）方法，按照搜索策略（基于梯度的方法、进化方法、单次权重共享方法）进行组织，并讨论了计算可扩展性、跨城市泛化以及未来方向等挑战。

本文提出了一种概念验证型AI流水线，利用多模态数据（图像和事故报告）评估铁路道口安全，在风险分类上实现了0.757的宏F1分数，并通过微调紧凑型VLM在安全评分估算上达到了0.078的RMSE。

OverFlowLight 是一个实时框架，通过利用多模态感知检测排队溢出，并借助基于规则与强化学习（RL）的混合控制器插入专用溢出相位，从而预防交通阻塞。该系统已在 43 个交叉口部署，将溢出事件减少 60.4%，并将网络吞吐量提升 18.2%。

提出了一种具有成对编码和基于事件的邻接矩阵的全局-局部图注意力网络（GLGAT）用于交通预测，有效捕捉时空相关性，并在真实数据集上取得了有竞争力的性能。