Neuste Artikel für Stadtplanung

Eine neue Methode verbessert die Extraktion von Gebäudekonturen in überfüllten Umgebungen.

Ein neuer Ansatz zur genauen Schätzung des Menschenstroms an urbanen Anziehungspunkten.

Forschung zu Methoden zur Wiederherstellung von Emissionsquellen und Verbesserung der Umweltüberwachung.

Selbstüberwachende Methoden nutzen, um die semantische Segmentierung von LiDAR zu verbessern.

DeNISE verbessert die Gebäudeumrisse in Luftbildern für ne bessere Kartierung und Planung.

Ein neuer Ansatz verbessert die Genauigkeit von Strassenkarten mithilfe von Satellitenbildern.

Innovative Methoden verbessern die Sicherheit und Genauigkeit der Navigation autonomer Fahrzeuge.

Diese Studie verbessert die Koordination von CAVs in schwankenden Verkehrsbedingungen.

SSIG bietet eine einfachere Methode, um die Ähnlichkeiten von Grundrissen effektiv zu vergleichen.

Eine Methode zur Verbesserung der Vorhersagegenauigkeit mit Importance Sampling und räumlicher Kreuzvalidierung.

Erforschen, wie zufällige Farben die Clusterbildung und das Verhalten des Systems beeinflussen.

Ein Modell kombiniert grafische neuronale Netze und Zero-Inflation-Strategien für bessere Verkehrsprognosen.

Fortgeschrittene Methoden helfen, unerwünschten Lärm effektiv zu kontrollieren.

Autonome Fahrzeuge können die Erfassung und Verwaltung von Verkehrsdaten in städtischen Gebieten verändern.

Ein neuer Ansatz zur Modellierung des Verkehrsflusses mit nicht-lokalen Daten.

Neue Methode verbessert Vorhersagen menschlicher Bewegungen für Roboter und smarte Fahrzeuge.

Neue Mobilfunkdesigns verbessern die Konnektivität für Drohnen und Nutzer am Boden.

In diesem Artikel geht's um den Einsatz von Machine Learning im Verkehrsmanagement.

Ein neuer Ansatz zur Verbesserung der Verkehrsgeschwindigkeitsvorhersagen bei extremen Ereignissen.

RingMo-lite verbessert die Analyse von Fernerkundungsbildern in Bezug auf Effizienz und Genauigkeit.

Neue Methode mit neuronalen Netzen verbessert die Rauhigkeitsabschätzung in SAR-Bildern.

Verbesserungen im Reinforcement Learning für besseres autonomes Fahren erkunden.

Untersuchung des Zusammenhangs zwischen Landnutzung und dem Gehen in Gemeinden.

Eine neue Methode, um urbane Flussdaten in Städten ohne historische Informationen zu generieren.

Untersuche, wie Kommunikationssysteme die Sicherheit und Effizienz von Luftfahrzeugen gewährleisten.

Überprüfung von Steuerungsmethoden zur Verbesserung des Verkehrsflusses mit autonomen und menschgesteuerten Fahrzeugen.

Diese Studie vergleicht verschiedene Machine-Learning-Modelle zur genauen Erkennung von Gebäuden.

Die Busdienste analysieren, um die Bedürfnisse der Community in Harrisonburg besser zu erfüllen.

Dieser Artikel behandelt, wie Multiplex-Netzwerke die Kommunikation in komplexen Systemen optimieren.

Ein Co-Design-Ansatz steigert die Effizienz in der Wasserversorgung, während die Energiekosten steigen.

Forscher entwickeln ein Modell, um räumliche Beziehungen und Auswirkungen über Distanzen zu untersuchen.

Das LLM-Mob-Framework verbessert die Genauigkeit bei der Vorhersage von menschlichen Mobilitätsmustern.

Eine Studie stellt eine verbesserte Methode vor, um die Vorhersage von Fussgängern für autonome Fahrzeuge zu optimieren.

Das neue Framework SurrealDriver verbessert die Simulation von Fahreragenten in städtischen Umgebungen.

Ein Spiel, um die Gemeinschaften in Entscheidungen zur Stadtplanung einzubeziehen.

Diese Studie untersucht, wie man Satellitendaten kombiniert, um die Genauigkeit der Landklassifizierung zu verbessern.

Dieses Dataset hilft Robotern, städtische Umgebungen besser zu verstehen.

HEROES bietet realistische Trainings für Einsatzkräfte und Roboter in städtischen Notfällen.

Neue Methoden verbessern die Genauigkeit in der Verkehrsflussverwaltung und -planung.

Das neue Modell MemDA passt sich an Veränderungen in städtischen Daten an, um genaue Vorhersagen zu treffen.