Artigos mais recentes para Gestão de Tráfego

Um novo algoritmo melhora a análise de sistemas comutados complexos.

Um olhar sobre técnicas para ensinar agentes a seguirem o comportamento de experts de forma eficaz.

Um estudo sobre algoritmos que enfrentam desafios de fluxo de tráfego inteiro em redes urbanas.

Esse artigo explora métodos de planejamento de movimento híbrido para uma direção automatizada mais segura.

O estudo foca no comportamento de seguir veículos e nas duplas de líder-seguidor no tráfego caótico.

Um método pra melhorar o gerenciamento do trânsito urbano através de controle avançado de semáforos.

Um novo modelo melhora a previsão de tráfego em áreas urbanas usando técnicas avançadas.

Revolucionando o transporte urbano com um simulador de tráfego de alta performance.

Esse artigo analisa as causas da congestão do tráfego e estratégias potenciais de gerenciamento.

Um jeito de manter a privacidade enquanto compartilha estatísticas de tráfego urbano.

Novas estratégias têm como objetivo melhorar a segurança e eficiência dos CAVs em ambientes sem faixas.

A-TEAM simplifica a gestão de tráfego com ferramentas baseadas em dados e aplicativos modulares.

Um olhar sobre como os agentes interagem e tomam decisões ao longo do tempo.

Analisando o comportamento dos usuários pra melhorar os sistemas de transporte público urbano.

Um jeito de melhorar a eficiência do sistema sem precisar saber todos os detalhes.

Novos métodos pra manter os dados em tempo real relevantes em ambientes conectados.

O LCSim oferece ferramentas aprimoradas para cenários de tráfego urbano realistas.

Um novo método melhora o rastreamento de objetos usando integração de dados 3D.

Abordagens inovadoras pra reduzir engarrafamentos ajudando os motoristas com dicas em tempo real.

Este artigo discute métodos para estabilizar a equação de Burgers para um modelagem melhor.

Um método pra melhorar a precisão de localização dos sensores na estrada em áreas urbanas.

Novo método melhora a detecção de objetos em veículos autônomos através da percepção cooperativa.

O VA-Count melhora a precisão e a flexibilidade na contagem de objetos invisíveis.

Estudo revela informações sobre o comportamento dos veículos em áreas de entrelaçamento nas rodovias.

Uma nova abordagem pra melhorar o roteamento do trânsito e reduzir a congestionamento nas áreas urbanas.

Aprenda sobre aproximadores para fluxo de tráfego em grandes grafos.

Novos métodos automatizam a detecção de estacionamento e identificação de status para sistemas mais inteligentes.

Estudo mostra que combinar veículos fica melhor com captura de imagem em regiões estratégicas.

Explorando a dinâmica do estacionamento com cenários de tempo limitado.

Um estudo sobre a previsão do tempo de viagem nas rotas movimentadas de Islamabad.

Um novo método melhora as estimativas de fluxo de tráfego usando dados de veículos conectados.

ST-Mamba melhora as estimativas de fluxo de tráfego usando dados limitados de veículos.

Um olhar sobre a geração de dados sintéticos para mobilidade urbana e os desafios de privacidade.

Apresentando o STD-LLM pra melhorar previsões e imputação em sistemas dinâmicos.

O NeighborFL melhora a precisão da previsão de tráfego enquanto protege a privacidade dos dados.

Crowd-SAM melhora a detecção de objetos em ambientes movimentados com menos imagens rotuladas.

Modelos estocásticos não locais melhoram a gestão do tráfego e reduzem a congestão.

Este estudo explora como prever mudanças de faixa pode aumentar a economia de energia para CAVs.

Uma análise de como os dados de GPS aprimoram a precisão do mapeamento do fluxo de tráfego.

Revolucionando a detecção de faixas para carros autônomos com mais precisão e compreensão.