智能交通系统中的生成人工智能技术在交通感知、预测、仿真和决策中发挥重要作用。研究提出结合变压器和生成对抗网络的模型，以解决交通事故检测中的数据不平衡问题。AccidentGPT模型通过多模态输入提供全面的事故分析与预防，提升交通安全。ChatTraffic则创新性地从文本生成交通情况，推动交通管理进步。

本文介绍了一种基于无监督学习的交通事故检测方法，通过预测交通参与者的未来位置来监测预测准确度。实验结果表明，该方法优于现有技术。此外，文章还提出了多种视频异常检测技术，包括学生危险行为检测和交通监控应用，均取得了良好效果。

本文综述了驾驶视频交通事故检测的多项研究，包括多任务记忆增强框架MAMTCF、三阶段运动模式异常检测、边缘设备视频异常检测系统、空时分层可配置网络、基于未来位置预测的无监督检测、Vision-TAD/TAA综述、车辆跟踪与双分图凸包异常检测、AI City 2021夺冠的预处理跟踪方案、制造数据两阶段深度异常检测TDAD，以及MOVAD实时系统，整体性能优于现有方法。

该文综述智能交通事故检测研究：利用监控摄像头、动作识别、YOLO与追踪算法检测碰撞和交通违规；I3D-CONVLSTM2D模型平均精度达87%；图神经网络可预测事故数量与概率；并提出DeepAccident等数据集，推动智慧城市交通安全管理。