Zobrazeno 1 - 10
of 3 176
pro vyhledávání: '"traffic flow modeling"'
Autor:
Ye, Lanhang, Yamamoto, Toshiyuki
Modular autonomous vehicles (MAVs) represent a groundbreaking concept that integrates modularity into the ongoing development of autonomous vehicles. This innovative design introduces unique features to traffic flow, allowing multiple modules to seam
Externí odkaz:
http://arxiv.org/abs/2409.17945
Autor:
Yang, Zhaohui, Jerath, Kshitij
Traffic flow modeling is typically performed at one of three different scales (microscopic, mesoscopic, or macroscopic), each with distinct modeling approaches. Recent works that attempt to merge models at different scales have yielded some success,
Externí odkaz:
http://arxiv.org/abs/2403.13779
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
In Transportation Research Part C January 2024 158
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
This paper investigates traffic flow modeling issue in multi-services oriented unmanned aerial vehicle (UAV)-enabled wireless networks, which is critical for supporting future various applications of such networks. We propose a general traffic flow m
Externí odkaz:
http://arxiv.org/abs/2201.02062
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Transp Res B: Methodol, 146, 88-110 (2021)
Despite the wide implementation of machine learning (ML) techniques in traffic flow modeling recently, those data-driven approaches often fall short of accuracy in the cases with a small or noisy dataset. To address this issue, this study presents a
Externí odkaz:
http://arxiv.org/abs/2002.02374
Despite the success of classical traffic flow (e.g., second-order macroscopic) models and data-driven (e.g., Machine Learning - ML) approaches in traffic state estimation, those approaches either require great efforts for parameter calibrations or la
Externí odkaz:
http://arxiv.org/abs/2007.07762
Autor:
Benninger, Lukas *, Sawodny, Oliver *
Publikováno v:
In IFAC PapersOnLine 2022 55(27):503-508