Learning Traffic Flow Dynamics with Stochastic Physics-Informed Neural Cellular Automata

在本工作中，我们提出了一种基于物理的神经细胞自动机（PI-NCA），用于数据驱动的交通流建模。基于标准神经细胞自动机（NCA），我们设计了一种神经架构，其物理特性与道路拓扑一致，并保证车辆总数的守恒，从而约束学习到的过渡规则至物理可接受的动力学。我们进一步扩展该框架，通过参数化概率过渡规则，同时保留相同的物理约束。