都市計画 に関する最新の記事

新しい手法が混雑した環境での建物のフットプリント抽出を向上させる。

都市の注目スポットでの人の流れを正確に推定する新しいアプローチ。

排出源を回収して汚染監視を改善する方法を調査中。

自己教師あり手法を活用してLiDARセマンティックセグメンテーションを改善する。

DeNISEは、空中画像の建物の輪郭を強化して、より良い地図作成と計画をサポートするよ。

新しいアプローチで、衛星画像を使って道路マッピングの精度が向上した。

革新的な方法が自動運転車のナビゲーションの安全性と精度を向上させる。

この研究は、変動する交通状況でのCAVの調整を向上させる。

SSIGは、フロアプランの類似性を効果的に比較するためのシンプルな方法を提供します。

重要度サンプリングと空間交差検証を使って予測精度を上げる方法。

ランダムな色がクラスタ形成やシステムの挙動にどんな影響を与えるのかを探る。

モデルは、グラフニューラルネットワークとゼロインフレーション戦略を組み合わせて、より良い交通予測を行う。

高度な方法が不要な音を効果的に制御するのを助ける。

自動運転車は、都市部での交通データ収集と管理を変革することができる。

非局所データを使った交通流のモデル化に関する新しいアプローチ。

新しい方法でロボットやスマートビークルの人間の動きの予測が改善された。

新しいセルラー設計がドローンと地上ユーザーの接続性を向上させる。

この記事は、交通管理における機械学習の利用について話してるよ。

極端なイベント時の交通速度予測を改善するための新しいアプローチ。

RingMo-liteは、リモートセンシング画像分析の効率と精度を向上させるよ。

新しいニューラルネットワークの方法がSAR画像の粗さ推定を改善した。

自動運転をもっと良くするための強化学習の改善を探る。

地域における土地利用と歩行の関係を調べる。

歴史的な情報がない都市での都市フローデータを生成する新しい方法。

航空機の安全性と効率を確保するために、通信システムがどのように機能しているかを探ってみて。

自動運転車と人間が運転する車両の交通の流れを改善するための制御方法を調査中。

この研究は、正確な建物検出のための異なる機械学習モデルを比較してるよ。

ハリソンバーグのコミュニティのニーズにもっと合ったバスサービスを分析してるよ。

この記事では、マルチプレックスネットワークが複雑なシステムでのコミュニケーションをどう最適化するかについて話してるよ。

共同設計アプローチは、エネルギーコストが上昇する中で水の配分システムの効率を高めるんだ。

研究者たちは、空間的関係と距離による影響を研究するためのモデルを開発した。

LLM-Mobフレームワークは、人間の移動パターンの予測精度を向上させるよ。

ある研究で、自動運転車の歩行者予測を向上させる新しい方法が紹介された。

新しいフレームワークSurrealDriverが都市環境でのドライバーエージェントシミュレーションを改善する。

コミュニティを都市計画の決定に巻き込むゲーム。

この研究は、より良い土地分類精度のために衛星データを組み合わせることを調べてるよ。

このデータセットはロボットが都市環境をもっとよく理解するのに役立つよ。

HEROESは都市の緊急事態に備えるために、レスポンダーやロボットのリアルなトレーニングを提供してるよ。

新しい方法で交通の流れの管理と計画の精度が向上してるよ。

新モデルMemDAは、都市データの変化に適応して正確な予測を行うよ。