交通预测：十周学习路径

每周从对应行开始。神经网络课在 B 站，文献在下方。交通领域的词遇到再查，不单独排课。

八篇，按阅读顺序排。标注的周次是建议首次阅读的时间，不是必须读完的期限。

1. 01 卷积神经网络及其在智能交通系统中的应用综述 马永杰、程时升、马芸婷、马义德 · 交通运输工程学报，2021，21(4)：48–71 · 24 页 · 官网引用列表 61 条 · 下载 PDF 第 1–2 周
2. 02 基于深度学习的短期交通流预测方法综述 崔建勋、要甲、赵泊媛 · 交通运输工程学报，2024，24(2)：50–64 · 15 页 · 维普被引 34 · 下载 PDF 第 3 周
3. 03 基于深度学习的短时交通流预测研究综述 熊章友、李卫军、朱晓娟、杨国梁、马馨瑜 · 计算机工程与应用，2025，61(11)：67–82 · 16 页 · 万方被引 13 · 下载 PDF 第 4 周
4. 04 交通预测中的时空图神经网络研究综述：从模型解构到发展路径 贾兴利、曲远海、朱浩然、杨宏志、姚慧、李孟晖 · 交通运输工程学报，2026，26(1)：46–74 · 29 页 · 当字典用，不通读 · 下载 PDF 第 5–6 周起
5. 05 深度强化学习驱动的智能交通信号控制策略综述 于泽、宁念文、郑燕柳、吕怡宁、刘富强、周毅 · 计算机科学，2023，50(4)：159–171 · 13 页 · 维普被引 18 · 下载 PDF 第 5–6 周
6. 06 大规模智慧交通信号控制中的强化学习和深度强化学习方法综述 翟子洋、郝茹茹、董世浩 · 计算机应用研究，2024，41(6)：1618–1627 · 10 页 · 维普被引 9 · 下载 PDF 按兴趣
7. 07 面向城市交通信号优化的多智能体强化学习综述 华贇、王祥丰、金博 · 运筹学学报，2023，27(2)：49–62 · 14 页 · 维普被引 4 · 下载 PDF 按兴趣
8. 08 交通大模型综述 肖建力、邱雪、张扬、苏海昇、李志鹏、张传明 · 交通运输工程学报，2025，25(1)：8–28 · 前沿趋势，第 9–10 周再看 · 下载 PDF 第 9–10 周
9. 09 Attention Is All You Need（注意力机制原始论文） Vaswani、Shazeer、Parmar 等 · NeurIPS 2017，arXiv:1706.03762 · 15 页 · Transformer 的起点 · 下载 PDF 第 3–4 周

1. 第一遍只读摘要、引言、结论和章节标题。目的是知道这篇文章在回答什么问题，不追细节。
2. 第二遍精读拓扑化、图方法相关的部分。公式跳过，看不懂的段落直接问，不硬啃。
3. 每篇读完写半页：它解决了什么、方法分几类、留下了什么问题。没有笔记等于没读。
4. 遇到反复出现的交通术语，记进术语手册。问答本身就是最省时间的教材。