Selbstlokalisierung und skalierbare Belegungskarte für die Verkehrsanalyse auf Basis von Radar-Sensoren
Eine selbstlokalisierungsbasierte Methode zur Erstellung einer skalierbaren Belegungskarte für die Verkehrsanalyse unter Verwendung von Radar-Sensoren.
Analyse der Machbarkeit an signalfreien Kreuzungen
Verbesserung der Machbarkeit von CAV-Trajektorien an signalfreien Kreuzungen durch numerische Interpolation.
Analyse der Skalierbarkeitsprobleme der Interaktion zwischen autonomen Fahrzeugen und Fußgängern
Autonome Fahrzeuge stehen vor Herausforderungen bei der Kommunikation mit Fußgängern in komplexen Verkehrsszenarien.
Eine umfassende Analyse von Strategien für automatisierte Fahrzeugkolonnen
Automatisierte Fahrzeugkolonnen haben das Potenzial, die Sicherheit, Betriebsabläufe und Energieeffizienz im Straßenverkehr zu verbessern.
Autonome Fahrzeugentscheidung und -steuerung durch Verstärkungslernen mit Verkehrsdurchflussrandomisierung
Die Verwendung von Domain-Randomisierung im Verstärkungslernen verbessert die Anpassungsfähigkeit von autonomen Fahrzeugen an verschiedene Verkehrsszenarien.
Kooperatives automatisiertes Fahren für Engpassszenarien im gemischten Verkehr
Kooperatives automatisiertes Fahren ermöglicht evolutionäre Einführung von kompatiblen CAVs.
Optimale Mehrziel-RSU-Bereitstellung in städtischen Verkehrsnetzen
Die Studie untersucht die Herausforderungen der optimalen Bereitstellung von Roadside Units (RSUs) in städtischen Verkehrsnetzen und präsentiert effiziente Multi-Objektiv-Optimierungsalgorithmen zur Verbesserung der Kommunikationseffizienz.
Dezentrale Verkehrsunfallerkennung mit Network Lasso
Die Studie untersucht die Effektivität von Network Lasso für die dezentrale Verkehrsunfallerkennung und vergleicht sie mit zentralen und lokalen Ansätzen.
© 2024 by Linnk AI