用于车道智能模拟和拓扑无关的交叉路口交通网络注意力机制

该研究提出了两种高效而准确的 “数字孪生” 模型，利用图注意力神经网络（GAT）来捕捉交叉口内交通的时态、空间和情境方面的因素，并具有多种应用，包括交通信号优化、车道重新配置、驾驶行为分析以及提升交叉口安全和效率增强等。

该论文介绍了一种新的方法，利用条件生成对抗网络和图神经网络，从2D交通模拟和录制的路口画面中创建逼真的图片，缩小“模拟-实际”之间的差距。该方法为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。