Articoli più recenti per Gestione del traffico

Un nuovo algoritmo migliora l'analisi dei sistemi switchati complessi.

Uno sguardo alle tecniche per insegnare agli agenti a seguire il comportamento degli esperti in modo efficace.

Uno studio su algoritmi che affrontano le sfide del flusso di traffico intero nelle reti cittadine.

Questo articolo esplora metodi di pianificazione del movimento ibridi per una guida automatizzata più sicura.

Lo studio si concentra sul comportamento di seguire i veicoli e sulle coppie di leader-seguaci nel traffico caotico.

Un metodo per migliorare la gestione del traffico urbano attraverso un controllo dei segnali avanzato.

Un nuovo modello migliora la previsione del traffico nelle aree urbane usando tecniche avanzate.

Rivoluzionare il trasporto urbano con un simulatore di traffico ad alte prestazioni.

Questo articolo esplora le cause del traffico congestionato e le possibili strategie di gestione.

Un metodo per mantenere la privacy mentre si condividono statistiche sul traffico urbano.

Nuove strategie puntano a migliorare la sicurezza e l'efficienza dei CAV in ambienti senza corsie.

A-TEAM semplifica la gestione del traffico con strumenti basati sui dati e applicazioni modulari.

Uno sguardo a come gli agenti interagiscono e prendono decisioni nel tempo.

Analizzare il comportamento degli utenti per migliorare i sistemi di trasporto pubblico urbano.

Un metodo per migliorare l'efficienza del sistema senza conoscere i dettagli.

Nuovi metodi per mantenere i dati in tempo reale rilevanti in ambienti connessi.

LCSim offre strumenti migliorati per scenari di traffico urbano realistici.

Un nuovo metodo migliora il tracciamento degli oggetti usando l'integrazione dei dati 3D.

Approcci innovativi per ridurre il traffico aiutando i guidatori con consigli in tempo reale.

Questo articolo parla di metodi per stabilizzare l'equazione di Burgers per un modeling migliore.

Un metodo per migliorare l'accuratezza della posizione dei sensori stradali nelle zone urbane.

Nuovo metodo migliora il riconoscimento degli oggetti nei veicoli autonomi tramite percezione cooperativa.

VA-Count migliora l'accuratezza e la flessibilità nel contare oggetti invisibili.

Uno studio svela intuizioni sul comportamento dei veicoli nelle aree di intreccio in autostrada.

Un nuovo modo per migliorare la gestione del traffico e ridurre la congestione nelle aree urbane.

Scopri gli approssimatori per il flusso del traffico in grafi grandi.

Nuovi metodi automatizzano l'identificazione del parcheggio e dello stato per sistemi più intelligenti.

Uno studio mostra che si abbina meglio i veicoli attraverso aree di cattura immagine strategiche.

Esplorando le dinamiche del parcheggio con scenari a tempo limitato.

Uno studio sulla previsione dei tempi di viaggio per le strade trafficate di Islamabad.

Un nuovo metodo migliora le stime del traffico usando dati da veicoli connessi.

ST-Mamba migliora le stime del flusso di traffico utilizzando dati limitati dai veicoli.

Uno sguardo alla generazione di dati sintetici per la mobilità urbana e le sfide della privacy.

Presentiamo STD-LLM per migliorare le previsioni e l'imputazione nei sistemi dinamici.

NeighborFL migliora l'accuratezza delle previsioni del traffico proteggendo la privacy dei dati.

Crowd-SAM migliora il rilevamento degli oggetti in ambienti affollati con meno immagini etichettate.

I modelli stocastici non localizzati migliorano la gestione del traffico e riducono la congestione.

Questo studio esplora come prevedere i cambi di corsia possa migliorare il risparmio energetico per i CAV.

Uno sguardo a come i dati GPS migliorano l'accuratezza della mappatura del flusso di traffico.

Rivoluzionare il rilevamento delle corsie per le auto a guida autonoma con maggiore precisione e comprensione.