1.文章信息本次介绍的文章是2022年发表在IEEE Open Journal of Intelligent Transportation Systems的一篇名为《Physics-Informed Deep Learning for Traffic State Estimation: Illustrations With LWR and CTM Models》的文章，该文章应用物理信息深度学习方

文章信息文章题目为《SafeTraffic Copilot: adapting large language models for trustworthy traffic safety assessments and decision interventions》，2025年发表在Nature子刊《Nature Communications》。本文将交通事故预测转换为文本推理，并实现了事故特征的归

文章信息论文题目为《Continual Test-Time Domain Adaptation》，该文于2022年发表于Conference on Computer Vision and Pattern Recognition (CVPR)会议上。文章提出了一种持续的测试时域自适应方法（CoTTA），旨在应对非稳态和不断变化的目标领域环境，通过减少错误累积和防止灾难性遗忘，以实现源模型的长期适应。

交通预见未来(18): 基于时空多图卷积网络的网约车需求预测1、文章信息《Spatiotemporal Multi-Graph Convolution Network for Ride-hailing Demand Forecasting》。2019 AAAI大会的一篇论文，被引5次。2、摘要区域级需求预测是网约车服务的一项重要任务。区域间具有复杂的时空依赖性，现有的方法主要侧...

1 文章信息本次介绍的是题目为《Vision-based vehicle detection andcounting system using deep learning inhigh...

1. 文章信息《Reinforcement learning approach for train rescheduling on a single-track railway》是2016年发表在Transportation Research Part B上的一篇文章。2. 摘要本文研究内容是如何对实际运营前进行长时间的规划，从而实现最优的铁路网基础设施和车辆利用率。最初的列车时刻表考虑了可能出现

1 文章信息COOPERATIVE MULTI-GOAL MULTI-STAGE MULTI-AGENT REINFORCEMENT LEARNING。这是佐治亚理工学院发表在计算机顶级会...

1文章信息《Reinforcement Learning for Solving the Vehicle Routing Problem》是32nd Conference on Neural Information Processing Systems (NeurIPS 2018)上的一篇文章。2 摘要我们提出了一种利用强化学习方法解决车辆路径问题(VRP)的端到端框架。在这种方法中，我们训练一.

前一阵公众号正式推出了“交通·未来”系列线上公益学术活动等你来~， 8月1日晚20:00，我们将迎来活动的第5期。（由于时差原因，推迟一个小时，时间是晚8点哦）1、讲座主题2、内容简介数...

1.文章信息《Reinforcement learning approach for coordinated passenger inflow control of urban rail transit in peak hours》是2018年发表在Transportation Research Part C上的一篇文章。2.摘要在高峰时段，当城市轨道交通有限的运输能力不...