본 논문은 스웨덴 예테보리의 42개 교통 카메라에서 수집된 2020년 데이터를 사용하여 교통 이상 탐지를 위한 시공간 생성적 적대 신경망(STGAN) 기반 모델을 제시합니다. STGAN은 그래프 신경망(GNN)과 장단기 기억망(LSTM)을 결합하여 교통 데이터의 복잡한 공간 및 시간적 의존성을 포착합니다. 분 단위의 실시간 교통량 데이터를 차량 밀도를 나타내는 흐름 지표로 처리하여 모델 입력으로 사용하며, 2020년 4월부터 11월까지의 데이터로 학습하고, 11월 14일부터 23일까지의 데이터로 검증합니다. 실험 결과, 제안된 모델은 높은 정확도와 낮은 위양성률로 교통 이상 현상(카메라 신호 중단, 시각적 아티팩트, 극심한 기상 조건 등)을 효과적으로 탐지함을 보여줍니다.
