远程估算自由流速度
本文提出了一种基于 CRESIv2 方法的城市级别道路提取和路线计算方法，该方法包含语义特征识别以及道路速度限制和行车时间的计算，旨在优化路线计算而非简单的最短路径距离。实验证明，该方法在使用 SpaceNet 数据集的训练和测试数据时优于使用 OpenStreetMap 标签的方法 60% 以上，并通过度量平均路径长度相似度（APLS）和地图拓扑（TOPO）等指标对算法的性能进行了评估。
Aug, 2019
本文提出了一种基于卷积神经网络的方法，将交通数据通过二维时间空间矩阵转化成图像进行处理，并预测大规模网络流量，实验结果表明该方法在处理大规模交通网络数据方面表现出较高的准确性。
Jan, 2017
通过使用循环检测器收集的数据，提出了一种数据驱动的框架，可以准确估计高速公路主线上缺失的匝道流量，该框架利用了迁移学习模型，可以保证在具有不同交通模式、分布和特征的高速公路上准确估计入口和出口匝道的流量，从而优于传统机器学习模型。
Aug, 2023
用遥感图像直接建模时空交通模式的多模态、多任务变压器分割架构，包含地理时空位置编码模块和自然建模时间变化的概率目标函数，在 Dynamic Traffic Speeds (DTS) 数据集上显著提升交通模型的性能，并引入 DTS++ 数据集支持与移动相关的位置适应实验。
Mar, 2024
本文报道了一种新的方法，该方法通过结合免费提供的道路指标来确立数据生成过程和空间依赖性，从而提高了移动蜂窝流量预测的准确性，这可以应用于边缘或中心化学习，可用于预测短期未来一段高速公路覆盖区域的负载。
May, 2023
本文提出了一种基于交通流的路径生成框架 FlowMap，该框架可以为自动驾驶车辆生成人类模拟路径，并且可以在不使用高精度地图的情况下应对超级复杂的十字路口。
May, 2023
使用移动通信流量数据预测车辆流量，通过提取特征并将其与图神经网络结合，使得在没有摄像头的区域能够预测车辆流量，为交通管理提供了解决方案。
Mar, 2024
该论文提供了一个自动实时车辆速度计算的新框架，该框架能够处理多样化的公开交通摄像头数据以实现更好的稳健性，通过深度图预测技术估计路段长度，同时处理实际条件如摄像头移动和不同视频流输入，与其他模型相比，虽然在预测性能方面没有创立新的最佳结果，但在实际闭路电视视频方面是具有竞争力的，同时它的端到端管道提供了更一致的结果、更容易的实现和更好的兼容性，其模块化结构便于重现性和未来的改进。
Sep, 2023