Derniers articles pour Gestion du trafic

Évaluer de grands modèles de langage pour améliorer la sécurité routière des voitures autonomes.

Une étude sur comment le Park-and-Ride peut réduire la congestion et les émissions.

Une nouvelle approche utilisant des hypergraphes améliore les prédictions des trajectoires des agents dans différents environnements.

Une approche basée sur les données pour améliorer le flux de trafic et la sécurité aux intersections de la ville.

Un nouveau cadre améliore les prévisions de vitesse de circulation en utilisant des données contextuelles.

SceneMotion améliore les prédictions pour les voitures autonomes en tenant compte des interactions entre les agents.

Un aperçu de l'optimisation des voies à péage à forte occupation pour réduire la congestion.

Cet article examine comment les véhicules coopèrent pour améliorer le flux de circulation.

Un nouveau modèle prédit le flux de trafic sans s'appuyer trop sur les données des capteurs.

SOD-YOLOv8 améliore la détection des petits objets dans les scènes de circulation grâce à des techniques avancées.

Des méthodes innovantes cherchent à améliorer la gestion du stationnement dans les villes animées.

Un cadre pour classifier les divers styles de conduite afin d'améliorer la sécurité routière.

PM-DMNet améliore la précision et l'efficacité des prévisions de trafic en utilisant des techniques avancées.

La recherche met en avant les schémas de circulation et la congestion près de l'UNCC en utilisant des méthodes itératives.

Une nouvelle méthode améliore l'efficacité des emplacements de capteurs de circulation en utilisant des coupes graphiques.

Un nouveau régulateur de vitesse pour les véhicules automatisés améliore la gestion du trafic.

Explore le rôle des matrices tropicales pour comprendre les systèmes dynamiques et leur stabilité.

Explorer comment fonctionnent les systèmes commutés et leur importance dans diverses applications.

Une nouvelle méthode GNN permet d'évaluer plus rapidement les politiques de circulation pour les villes.

Un nouveau modèle améliore les prévisions de trafic après des accidents pour une meilleure gestion.

Un nouveau système améliore la surveillance et la gestion du trafic dans les villes.

Étudier comment les véhicules autonomes peuvent améliorer la circulation et réduire les embouteillages.

Cette étude présente un modèle de circulation qui prend en compte les véhicules connectés et autonomes.

Une nouvelle approche améliore la gestion des feux de signalisation, réduisant la congestion et améliorant le flux.

Découvrez comment la communication V2X transforme la sécurité routière et la gestion du trafic.

Examiner les complexités des lois de conservation scalaires influencées par des changements brusques.

Un nouveau jeu de données vise à améliorer la gestion des feux de circulation en utilisant de vraies images et des scénarios variés.

Un modèle se concentre sur l'espace des véhicules pour améliorer la gestion du trafic.

STGormer améliore les prévisions de trafic en prenant en compte le temps et l'espace.

Une nouvelle méthode pour router les tâches efficacement tout en assurant la stabilité du système.

Un aperçu de la gestion efficace des voies HOT pour réduire la congestion.

Un aperçu complet pour comprendre les patterns de trafic à travers une analyse de données complexe.

Cette étude compare différents modèles YOLOv5 pour identifier différents types de véhicules dans diverses conditions.

Une étude sur l'amélioration de l'efficacité des voies HOT et la gestion de la congestion.

Une nouvelle méthode améliore les prévisions de trafic routier en intégrant des connaissances régionales.

Une nouvelle méthode améliore la précision des prévisions de trafic grâce à la décomposition des données et aux réseaux de neurones.

Une nouvelle méthode d'entraînement améliore la détection d'objets 3D en utilisant des données synthétiques et du monde réel.

Explorer comment la collaboration peut améliorer les résultats dans les jeux de congestion.

TempoKGAT améliore la précision des prédictions dans des relations dynamiques en utilisant des méthodes sensibles au temps.

Une étude sur l'amélioration des recommandations de navigation pour de meilleures expériences de conduite en ville.