Saltar al contenido

Investigación sobre tecnologías clave de transporte inteligente basadas en reconocimiento de imágenes y anti

19/11/2019

Sus intereses de investigación incluyen tecnología de aprendizaje, ingeniería y tecnología web, big data, gestión del conocimiento e Internet de las cosas. Es autora de más de 200 artículos y forma parte del consejo editorial de varias revistas internacionales, incluso como fundadora y editora en jefe de International mantenimiento de flota Journal of Web Engineering and Technology y International Journal of Learning Technology. Ha sido invitada como oradora principal en muchas conferencias internacionales y profesora invitada en muchas universidades a nivel internacional. También viaja mucho para impartir talleres sobre aprendizaje basado en problemas.

intelligent transport system journal

George Dimitrakopoulos es profesor adjunto en el Departamento de Informática y Telemática de la Universidad Harokopio de Atenas. Sus intereses de investigación incluyen la optimización y evaluación del rendimiento de sistemas inalámbricos, aplicaciones de redes inalámbricas, sistemas de transporte inteligentes, conducción autónoma y sistemas de radio inteligentes. Es autor de más de laoracionasanpancracio.com 150 artículos y está involucrado en proyectos de investigación y desarrollo en transporte y movilidad urbana. Para mejorar la economía de combustible de un vehículo eléctrico híbrido paralelo (HEV), este estudio desarrolla una estrategia de optimización en tiempo real con un método basado en el aprendizaje que predice la demanda de energía del conductor en el entorno conectado.

Intelligent Transport Issue 2 2020 – Intelligent Transport

Intelligent Transport Issue 2 2020.

Posted: Tue, 26 May 2020 07:00:00 GMT [source]

Esta demanda está fuertemente limitada por la potencia total generada por las fuentes de energía. Por lo tanto, una cuestión clave para resolver el problema de la gestión energética en tiempo real mediante la optimización predictiva basada en modelos mesoterapiaymas.com es predecir la demanda de energía de cada horizonte en retroceso. La regresión del proceso gaussiano se utiliza para predecir la demanda del conductor con la estimación incierta y estocástica entre el entorno del tráfico y la demanda de par.

Sistemas de transporte inteligentes Iet

intelligent transport system journal

Los resultados revelan que el TTV difiere de un vehículo a otro, de un período a otro y de un lugar a otro. En segundo lugar, se propone el modelo de supervivencia de mezcla finita para abordar la heterogeneidad de los datos de tiempo de viaje al descomponer la población en varias subpoblaciones. La distancia de Wasserstein y la prueba de Kolmogorov-Smirnov se utilizan para comparar más las subpoblaciones de diferentes tipos de vehículos durante diferentes períodos en diferentes carreteras. Finalmente, con base en el análisis del modelo, se puede encontrar que el oracionesasantarita.com modelo de supervivencia de mezcla finita es una herramienta precisa para examinar la variabilidad al capturar la heterogeneidad de los datos del tiempo de viaje. La diferencia entre las subpoblaciones sugiere diferentes comportamientos de viaje. Concluye que los comportamientos de viaje más diversos dan como resultado un TTV más alto. Una investigación precisa en TTV es valiosa para las opciones de modo de los viajeros y las agencias de administración de transporte para obtener información confiable sobre el tiempo de viaje y mejorar la eficiencia del tráfico.

intelligent transport system journal

Información de la revista

Los datos de vehículo a vehículo y de vehículo a infraestructura se utilizan como entradas del modelo GPR. La capa inferior realiza una optimización de horizonte finito basada en la función de costo del consumo de energía. Se formula un problema de control de horizonte en retroceso y la optimización se logra mediante un algoritmo de programación cuadrática secuencial. Para validar la estrategia de optimización propuesta, se construye una plataforma de co-simulación de control del tren motriz con un entorno de tráfico en el bucle y se demuestra la validación de resultados con la plataforma. Las comparaciones con la programación dinámica y los resultados de RHC sin predicción muestran que la estrategia propuesta puede mejorar el ahorro de combustible. Examinar la variabilidad del tiempo de viaje de los autobuses, automóviles de pasajeros y taxis es esencial para obtener un tiempo de viaje confiable en los viajes diarios urbanos. Los análisis de TTV de tres modos de viaje se realizan utilizando datos de tiempo de viaje recopilados en dos carreteras arteriales urbanas en la ciudad de Xi’an.

Mira Bhayandar Municipal Corporation launches Majhi Bus app for smart commuting – Free Press Journal

Mira Bhayandar Municipal Corporation launches Majhi Bus app for smart commuting.

Posted: Fri, 04 Dec 2020 08:00:00 GMT [source]