Dans cet article, nous proposons un modèle de réseau antagoniste génératif spatio-temporel (STGAN) pour la détection des anomalies de trafic à partir des données de trafic collectées par 42 caméras de surveillance à Göteborg, en Suède, en 2020. STGAN capture les dépendances spatiales et temporelles complexes des données de trafic en combinant des réseaux de neurones graphes et des réseaux de mémoire à long terme. Nous utilisons des données de trafic en temps réel, exprimées en minutes, comme indicateur de flux représentant la densité des véhicules en entrée du modèle. Ce dernier est entraîné avec des données d'avril à novembre 2020 et validé avec des données du 14 au 23 novembre. Les résultats expérimentaux montrent que le modèle proposé détecte efficacement les anomalies de trafic (telles que les pannes de signal des caméras, les artefacts visuels et les conditions météorologiques extrêmes) avec une grande précision et un faible taux de faux positifs.
