Dans cet article, nous présentons un modèle basé sur un réseau antagoniste génératif spatio-temporel (STGAN) qui détecte avec précision les anomalies de trafic à l'aide des données de 42 caméras de surveillance routière à Göteborg, en Suède, en 2020. STGAN capture les dépendances spatiales et temporelles complexes des données de trafic en combinant des réseaux de neurones graphiques et des réseaux de mémoire à long et court terme. Les données de volume de trafic en temps réel, exprimées en minutes, sont converties en indicateurs de flux représentant la densité des véhicules, qui sont utilisés comme données d'entrée pour le modèle. Le modèle est entraîné avec des données d'avril à novembre 2020 et validé avec des données du 14 au 23 novembre. Nous démontrons ainsi que le modèle 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.
