Derniers articles pour Planification urbaine

Une nouvelle méthode améliore l'extraction des empreintes de bâtiments dans des environnements encombrés.

Une nouvelle méthode pour estimer avec précision le flux de foule dans les Points d'Intérêt urbains.

Recherche des méthodes pour récupérer les sources d'émission et améliorer le suivi de la pollution.

Utiliser des méthodes auto-supervisées pour améliorer la segmentation sémANTIQUE LiDAR.

DeNISE améliore les contours des bâtiments dans les images aériennes pour une meilleure cartographie et planification.

Une nouvelle méthode améliore la précision de la cartographie routière grâce aux images satellites.

Des méthodes novatrices améliorent la sécurité et la précision de la navigation des véhicules autonomes.

Cette étude améliore la coordination des CAV dans des conditions de circulation fluctuantes.

SSIG offre une méthode plus simple pour comparer efficacement les similitudes des plans de sol.

Une méthode pour améliorer la précision des prédictions en utilisant l'échantillonnage par importance et la validation croisée spatiale.

Explorer comment des couleurs aléatoires influencent la formation de clusters et le comportement du système.

Un modèle combine des réseaux de neurones graphiques et des stratégies de suréchantillonnage pour de meilleures prévisions de trafic.

Des méthodes avancées aident à contrôler efficacement les bruits indésirables.

Les véhicules autonomes peuvent transformer la collecte et la gestion des données de circulation dans les zones urbaines.

Une nouvelle approche pour modéliser le flux de trafic en utilisant des données non locales.

Une nouvelle méthode améliore les prévisions de mouvement humain pour les robots et les véhicules intelligents.

De nouveaux designs cellulaires améliorent la connectivité pour les drones et les utilisateurs au sol.

Cet article parle de l'utilisation de l'apprentissage automatique dans la gestion du trafic.

Une nouvelle approche pour améliorer les prévisions de vitesse de circulation pendant des événements extrêmes.

RingMo-lite améliore l'analyse des images de télédétection avec efficacité et précision.

Une nouvelle méthode de réseau de neurones améliore l'estimation de la rugosité dans les images SAR.

Explorer les améliorations en apprentissage par renforcement pour une conduite autonome au top.

Examiner le lien entre l'utilisation des terres et la marche dans les communautés.

Une nouvelle méthode pour générer des données de flux urbain dans les villes sans infos historiques.

Explore comment les systèmes de communication garantissent la sécurité et l'efficacité des véhicules aériens.

Examiner les méthodes de contrôle pour améliorer la circulation avec des véhicules autonomes et conduits par des humains.

Cette étude compare différents modèles d'apprentissage automatique pour une détection précise des bâtiments.

Analyser les services de bus pour mieux répondre aux besoins de la communauté à Harrisonburg.

Cet article parle de comment les réseaux multiplex optimisent la communication dans des systèmes complexes.

Une approche de co-conception améliore l'efficacité des systèmes de distribution d'eau face à la hausse des coûts énergétiques.

Des chercheurs développent un modèle pour étudier les relations spatiales et les impacts sur la distance.

Le framework LLM-Mob améliore la précision dans la prédiction des modèles de mobilité humaine.

Une étude présente une méthode améliorée pour améliorer la prédiction des piétons pour les véhicules automatisés.

Le nouveau cadre SurrealDriver améliore la simulation des agents de conduite pour les environnements urbains.

Un jeu pour impliquer les communautés dans les décisions d'urbanisme.

Cette étude examine la combinaison de données satellite pour améliorer la précision de classification des terres.

Ce jeu de données aide les robots à mieux comprendre les environnements urbains.

HEROES offre un entraînement réaliste pour les intervenants et les robots dans les urgences urbaines.

De nouvelles méthodes améliorent la précision dans la gestion et la planification du flux de trafic.

Le nouveau modèle MemDA s'adapte aux changements dans les données urbaines pour des prédictions précises.