Road Network Generation and Closed-Loop Optimization for Intelligent Transportation Systems
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
The generative design and optimization of road networks are crucial for intelligent transportation systems. However, existing automated methods that generate pixel-based road networks often result in suboptimal connectivity, leading to inefficient transportation. Furthermore, these methods seldom consider the variability in daily travel demand when optimizing road networks. To alleviate these problems, we introduce a new deep generative model and a topology-aware loss function to enhance road connectivity. Additionally, we propose an optimization method that adapts to daily travel demands. This method refines road networks through iterative feedback, resulting in more efficient and practical transportation solutions. Experimental results confirm the effectiveness of our approach in generating high-quality and traffic-efficient road networks.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Road Network Generation and Closed-Loop Optimization for Intelligent Transportation Systems
- Date Crossref
- 25/10/2024
- Éditeur
- IEEE
- Type
- proceedings-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Zhejiang University pays non établi dans la noticeUniversité ou école supérieure
-
College of Computer Science and Technology pays non établi dans la noticeUniversité ou école supérieure
Zhejiang University et College of Computer Science and Technology.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.