智能交通系统中生成式人工智能综述
本文旨在为研究人员和实践者提供综合指南，介绍生成式人工智能和基础模型在智能汽车背景下的现状、潜在应用和未来研究方向，讨论其在语音、音频、视觉和多模态交互等领域的应用和与伦理相关的挑战和风险，以及关键未来研究领域，包括领域适应性、对齐、多模态集成等，以解锁生成式人工智能的全部潜力，塑造智能车辆未来。
May, 2023
AI-driven smart transportation systems can improve efficiency and increase utilization by addressing primary requirements, data sources, decision-making, and computational problems in the transportation domain.
Aug, 2023
本文旨在回顾了 GNN 在六个代表性和新兴的智能交通系统领域（交通预测、自动驾驶汽车、交通信号控制、交通安全、需求预测和停车管理）的应用，总结了这些研究的方法、特点和贡献，并在信息丰富的表格或列表中呈现。最后，我们指出了将 GNN 应用于 ITS 所面临的挑战，并提出了潜在的未来研究方向。
Jan, 2024
该研究论文主要介绍了交通预测的重要性和如何通过应用新兴技术以及人工智能等方法来改善交通预测。同时，该论文还着重总结了多元交通时间序列建模的数据预处理方法以及未来研究的主要挑战。
May, 2023
本文介绍了智能交通系统（ITS）的关键技术挑战及其现代化的应对之道，涵盖了从经典统计方法到现代机器学习和深度学习方法。特别介绍了基于图的机器学习方法以及其与 ITS 应用的关系，并详细阐述了两个最新颖的基于图的 ITS 应用示例。
Jun, 2023
通过结合实时交通事故报告和操作指南，本研究介绍了一种名为 IncidentResponseGPT 的创新解决方案，旨在协助交通管理部门快速、明确和适应性地应对交通事故，通过文本分析、交通模拟和透明验证的方法，该系统有望优化交通流量、减少拥堵并最小化其对城市交通系统的总体影响。
Apr, 2024
本研究探讨生成模型和连接自动驾驶车辆（CAV）两个开创性力量对技术和交通的历史和影响。通过关注生成模型在 CAV 背景下的应用，本研究旨在揭示这种整合如何提高自动驾驶车辆中的预测建模、模拟准确性和决策过程。本论文讨论了在交通运输中将生成模型和 CAV 技术整合的好处和挑战，旨在突出已取得的进展、尚存的障碍以及安全和创新方面的潜力。
Mar, 2024
通过集成先进的信息、通信和计算技术对现代城市进行数字化转型，标志着数据驱动的智能城市应用迈入了一个新时代，以实现高效和可持续的城市管理。本综述旨在探讨生成式人工智能技术与城市数字孪生的创新整合，以解决智慧城市领域中的挑战，如交通与流动性管理、能源系统运营、建筑和基础设施管理以及城市设计。综述从介绍热门生成式人工智能模型及其应用领域开始，然后系统回顾现有的利用生成式人工智能技术自治能力促进城市监测和预测分析的城市科学应用，包括数据增强、合成数据和场景生成、自动化 3D 城市建模以及生成式城市设计和优化。在回顾的基础上，本综述讨论了将生成式人工智能模型融入下一代城市数字孪生中以实现更可靠、可扩展和自动化管理智慧城市的潜在机会和技术策略。
May, 2024