[論文レビュー] A Survey of Generative AI for Intelligent Transportation Systems: Road Transportation Perspective

Huan Yan, Yong Li|arXiv (Cornell University)|Dec 13, 2023

Traffic Prediction and Management Techniques被引用数 8

ひとこと要約

この論文は、生成AI技術が知能交通システム（ITS）にどのように適用されるかを概説し、タスクを知覚、予測、シミュレーション、意思決定に分類し、それぞれの利点と課題を比較します。

ABSTRACT

Intelligent transportation systems are vital for modern traffic management and optimization, greatly improving traffic efficiency and safety. With the rapid development of generative artificial intelligence (Generative AI) technologies in areas like image generation and natural language processing, generative AI has also played a crucial role in addressing key issues in intelligent transportation systems (ITS), such as data sparsity, difficulty in observing abnormal scenarios, and in modeling data uncertainty. In this review, we systematically investigate the relevant literature on generative AI techniques in addressing key issues in different types of tasks in ITS tailored specifically for road transportation. First, we introduce the principles of different generative AI techniques. Then, we classify tasks in ITS into four types: traffic perception, traffic prediction, traffic simulation, and traffic decision-making. We systematically illustrate how generative AI techniques addresses key issues in these four different types of tasks. Finally, we summarize the challenges faced in applying generative AI to intelligent transportation systems, and discuss future research directions based on different application scenarios.

研究の動機と目的

• データのスパース性、まれな異常シナリオ、データ不確実性に対処するための生成AIの活用を動機づける。
• ITSのタスクを交通知覚、予測、シミュレーション、意思決定に体系的に分類し、生成AIソリューションをこれらのタスクに対応づける。
• 主流の生成AI技術の比較分析と、それらのITS課題への適用性を検討する。
• ITSにおける生成AIの適用に関する未解決の課題を特定し、今後の研究方向を提案する。

提案手法

• 主流の生成AI技術（VAE、GAN、正規化フロー、EBM、拡散モデル、GenPhys、GPT）を導入・解説する。
• ITSアプリケーションにおける各技術の利点と制限を論じる。
• 生成AI手法をITSタスク（知覚、予測、シミュレーション、意思決定）に対応づける。
• 水平・垂直の視点から技術の性能と適用性を比較分析する。
• テキスト、画像、ビデオ、クロスモーダリティデータにわたる生成タスクを強調し、より広い適用性を示す。

実験結果

リサーチクエスチョン

• RQ1 生成AIはITSのデータスパース性、異常イベント、不確実性をどのように克服できるか？
• RQ2 四つのITSタスクカテゴリ（知覚、予測、シミュレーション、意思決定）全般にわたり、生成AIをどのように効果的に適用できるか？
• RQ3 ITSアプリケーションにおける主要な生成AI技術の比較的利点と制限は何か？
• RQ4 ITSで生成AIを展開する際に残る課題は何か、将来の研究方向は何が提案されているか？

主な発見

• 生成AIの手法は、データ生成と不確実性モデリングの能力を提供し、従来のITS手法を補完する。
• GAN、VAE、拡散モデル、GPT系アーキテクチャはITSタスクに対してそれぞれ長所と短所があり、訓練の安定性と品質に影響を与える。
• 生成的手法は自動運転や交通分析のための高忠実度のシーン生成、データ拡張、シナリオシミュレーションを可能にする。
• クロスモーダリティ生成と物理的に基づく生成モデル（GenPhys）は、伝統的なデータ駆動アプローチを超えたITSアプリケーションを拡大する。
• 本論文は、ITSシナリオへの生成AI適用における未解決の課題と今後の研究方向を論じる。