本研究采用时空生成对抗网络(STGAN)框架，结合图神经网络和长短期记忆网络，旨在提高城市交通管理中的交通异常检测能力和响应效率。

本文介绍了用于交通异常检测的音频-视觉数据集MAVAD及新方法AVACA，通过交叉注意提取特征，提升了5.2%的性能。研究探讨了异常检测模块在自动驾驶中的应用，提出多种策略以提高检测效果，并强调使用多种评估指标和共享模型的重要性。