【论文标题】Graph Neural Network for Traffic Forecasting: A Survey 【作者团队】Weiwei Jiang，Jiayun Luo 【发表时间】2021/01/27 【机构】清华大学、UCLA 【论文链接】https://arxiv.org/pdf/2101.11174.pdf

【推荐理由】 本文出自清华大学和 UCLA 联合团队，作者全面回顾了 2018-2020 年间有关基于图的交通预测问题的研究工作，提供了最新的开源数据集和代码，讨论了该领域未来具有前景的研究方向。

交通预测是智能交通系统中的重要一环。包括卷积神经网络和循环神经网络在内的深度学习方法已被应用于对交通预测问题的时空依赖建模。近年来，为了对交通系统中的图结构和上下文信息建模，研究人员将图神经网络（GNN）这种新的工具引入了该领域，并在一系列交通预测问题上取得了最先进的性能。

在本文中，作者回顾了近年来快速增长的使用不同的图神经网络（例如，图卷积网络、图注意力网络）进行的各种交通预测研究。本文涉及的交通预测问题包括：道路交通流量预测和速度预测、城市轨道交通系统客流预测，网约车平台的需求预测等。本文作者也为每个问题提供了一个开放的数据和资源的集合，并且给出了未来可能的研究方向。本文是首篇图神经网络在交通预测问题应用的综述。

图 1：不同层级的交通图
本文的贡献如下： （1）全面的回顾：本文给出了全面的 2018-2020 年有关基于图的交通预测问题的回顾。 （2）资源收集：本文提供了最新的开源数据集和代码资源的集合，用于在未来的工作中进行复现和对比。 （3）未来的研究方向：本文讨论了一些具有挑战性的未来研究方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除