Articoli più recenti per Pianificazione Urbana

Un nuovo metodo migliora l'estrazione della superficie degli edifici in ambienti affollati.

Un nuovo approccio per stimare con precisione il flusso di gente nei punti di interesse urbani.

Ricercando metodi per recuperare le fonti di emissione e migliorare il monitoraggio dell'inquinamento.

Sfruttare metodi autoregolati per migliorare la segmentazione semantica LiDAR.

DeNISE migliora i contorni degli edifici nelle immagini aeree per una mappatura e pianificazione migliori.

Un nuovo metodo migliora l'accuratezza della mappatura stradale usando immagini satellitari.

Metodi innovativi migliorano la sicurezza e la precisione della navigazione dei veicoli autonomi.

Questo studio migliora il coordinamento dei CAV in condizioni di traffico variabile.

SSIG offre un metodo più semplice per confrontare le somiglianze nei piani delle stanze in modo efficace.

Un metodo per migliorare l'accuratezza delle previsioni usando il campionamento di importanza e la cross-validazione spaziale.

Esplorare come i colori casuali influenzano la formazione dei cluster e il comportamento del sistema.

Un modello combina reti neurali grafiche e strategie di inflazione zero per fare previsioni sul traffico più accurate.

Metodi avanzati aiutano a controllare efficacemente i suoni indesiderati.

I veicoli autonomi possono trasformare la raccolta e la gestione dei dati sul traffico nelle aree urbane.

Un nuovo approccio per modellare il flusso del traffico usando dati non locali.

Nuovo metodo migliora le previsioni del movimento umano per robot e veicoli intelligenti.

Nuovi design cellulari migliorano la connettività per droni e utenti a terra.

Questo articolo parla dell'uso del machine learning nella gestione del traffico.

Un nuovo modo per migliorare le previsioni della velocità del traffico durante eventi estremi.

RingMo-lite migliora l'analisi delle immagini di telerilevamento con efficienza e precisione.

Un nuovo metodo di rete neurale migliora la stima della rugosità nelle immagini SAR.

Esplorando migliorie nel Reinforcement Learning per una guida autonoma migliore.

Esaminare il legame tra l'uso del suolo e il camminare nelle comunità.

Un nuovo metodo per generare dati di flusso urbano in città senza informazioni storiche.

Esplora come i sistemi di comunicazione garantiscono la sicurezza e l'efficienza dei veicoli aerei.

Esaminando i metodi di controllo per migliorare il flusso di traffico con veicoli autonomi e guidati da esseri umani.

Questo studio confronta diversi modelli di machine learning per una rilevazione accurata degli edifici.

Analizzando i servizi di autobus per soddisfare meglio le esigenze della comunità a Harrisonburg.

Quest'articolo parla di come le reti multiple ottimizzano la comunicazione nei sistemi complessi.

Un approccio di co-design migliora l'efficienza nei sistemi di distribuzione dell'acqua in un contesto di aumento dei costi energetici.

I ricercatori sviluppano un modello per studiare le relazioni spaziali e gli impatti a distanza.

Il framework LLM-Mob migliora l'accuratezza nel predire i modelli di mobilità umana.

Uno studio presenta un metodo migliorato per migliorare la previsione dei pedoni per i veicoli automatici.

Il nuovo framework SurrealDriver migliora la simulazione degli agenti di guida per ambienti urbani.

Un gioco per coinvolgere le comunità nelle decisioni di pianificazione urbana.

Questo studio analizza come unire i dati satellitari per avere una classificazione del terreno più precisa.

Questo dataset aiuta i robot a capire meglio gli ambienti urbani.

HEROES offre un training realistico per i soccorritori e i robot nelle emergenze urbane.

Nuovi metodi migliorano l'accuratezza nella gestione e pianificazione del flusso del traffico.

Il nuovo modello MemDA si adatta ai cambiamenti nei dati urbani per previsioni precisi.