En este artículo, proponemos un modelo de red generativa antagónica espacio-temporal (STGAN) para la detección de anomalías de tráfico utilizando datos de tráfico recopilados de 42 cámaras de tráfico en Gotemburgo, Suecia, en 2020. STGAN captura las complejas dependencias espaciales y temporales de los datos de tráfico mediante la combinación de redes neuronales de grafos y redes de memoria a corto plazo. Utilizamos datos de tráfico en tiempo real en minutos como indicador de flujo que representa la densidad de vehículos como entrada del modelo, que se entrenó con datos de abril a noviembre de 2020 y se validó con datos del 14 al 23 de noviembre. Los resultados experimentales muestran que el modelo propuesto detecta eficazmente anomalías de tráfico (como interrupciones de la señal de las cámaras, artefactos visuales y condiciones climáticas extremas) con alta precisión y una baja tasa de falsos positivos.
