Littérature scientifique sur le sujet « TRAFFIC CONGESTION DETECTION »
Créez une référence correcte selon les styles APA, MLA, Chicago, Harvard et plusieurs autres
Sommaire
Consultez les listes thématiques d’articles de revues, de livres, de thèses, de rapports de conférences et d’autres sources académiques sur le sujet « TRAFFIC CONGESTION DETECTION ».
À côté de chaque source dans la liste de références il y a un bouton « Ajouter à la bibliographie ». Cliquez sur ce bouton, et nous générerons automatiquement la référence bibliographique pour la source choisie selon votre style de citation préféré : APA, MLA, Harvard, Vancouver, Chicago, etc.
Vous pouvez aussi télécharger le texte intégral de la publication scolaire au format pdf et consulter son résumé en ligne lorsque ces informations sont inclues dans les métadonnées.
Articles de revues sur le sujet "TRAFFIC CONGESTION DETECTION"
Wiseman, Yair. « Computerized Traffic Congestion Detection System ». International Journal of Transportation and Logistics Management 1, no 1 (30 décembre 2017) : 1–8. http://dx.doi.org/10.21742/ijtlm.2017.1.1.01.
Texte intégralIdura Ramli, Nurshahrily, et Mohd Izani Mohamed Rawi. « An overview of traffic congestion detection and classification techniques in VANET ». Indonesian Journal of Electrical Engineering and Computer Science 20, no 1 (1 octobre 2020) : 437. http://dx.doi.org/10.11591/ijeecs.v20.i1.pp437-444.
Texte intégralXiang, Yingxiao, Wenjia Niu, Endong Tong, Yike Li, Bowei Jia, Yalun Wu, Jiqiang Liu, Liang Chang et Gang Li. « Congestion Attack Detection in Intelligent Traffic Signal System : Combining Empirical and Analytical Methods ». Security and Communication Networks 2021 (31 octobre 2021) : 1–17. http://dx.doi.org/10.1155/2021/1632825.
Texte intégralWang, Chao. « An Effective Congestion Control Algorithm based on Traffic Assignment and Reassignment in Wireless Sensor Network ». Recent Advances in Electrical & ; Electronic Engineering (Formerly Recent Patents on Electrical & ; Electronic Engineering) 13, no 8 (3 décembre 2020) : 1166–74. http://dx.doi.org/10.2174/2352096513999200628095848.
Texte intégralKayarga, Tanuja, et H. M. Navyashree. « A Novel Framework to Control and Optimize the Traffic Congestion Issue in VANET ». International Journal of Engineering & ; Technology 7, no 2.31 (24 août 2018) : 245. http://dx.doi.org/10.14419/ijet.v7i3.31.18234.
Texte intégralEl-Sersy, Heba, et Ayman El-Sayed. « Survey of Traffic Congestion Detection using VANET ». Communications on Applied Electronics 1, no 4 (26 mars 2015) : 14–20. http://dx.doi.org/10.5120/cae-1520.
Texte intégralCherkaoui, Badreddine, Abderrahim Beni-Hssane, Mohamed El Fissaoui et Mohammed Erritali. « Road traffic congestion detection in VANET networks ». Procedia Computer Science 151 (2019) : 1158–63. http://dx.doi.org/10.1016/j.procs.2019.04.165.
Texte intégralKalinic, Maja, et Jukka M. Krisp. « Fuzzy inference approach in traffic congestion detection ». Annals of GIS 25, no 4 (2 octobre 2019) : 329–36. http://dx.doi.org/10.1080/19475683.2019.1675760.
Texte intégralBhanja, Urmila, Anita Mohanty et Bhagyashree Das. « Embedded based real time traffic congestion detection ». International Journal of Vehicle Information and Communication Systems 3, no 4 (2018) : 267. http://dx.doi.org/10.1504/ijvics.2018.094976.
Texte intégralMohanty, Anita, Bhagyashree Das et Urmila Bhanja. « Embedded based real time traffic congestion detection ». International Journal of Vehicle Information and Communication Systems 3, no 4 (2018) : 267. http://dx.doi.org/10.1504/ijvics.2018.10016393.
Texte intégralThèses sur le sujet "TRAFFIC CONGESTION DETECTION"
Thorri, Sigurdsson Thorsteinn. « Road traffic congestion detection and tracking with Spark Streaming analytics ». Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-254874.
Texte intégralVägtrafikstockningar orsakar flera problem. Till exempel utgör långsam trafik i överbelastade områden en säkerhetsrisk för fordon som närmar sig den överbelastade regionen och ökade pendeltider leder till ökade transportkostnader och ökad förorening.Arbetet i denna avhandling syftar till att upptäcka och spåra trafikstockningar i realtid. Detektering av vägtrafiken i realtid är viktigt för att möjliggöra mekanismer för att t.ex. förbättra trafiksäkerheten genom att skicka avancerade varningar till förare som närmar sig en överbelastad region och för att mildra trängsel genom att kontrollera adaptiva hastighetsgränser. Dessutom kan spårningen av trängselutveckling i tid och rum vara en värdefull inverkan på utvecklingen av vägnätet. Trafikavkännare i Stockholms vägnät representeras som en riktad vägd graf och problemet med överbelastningsdetektering är formulerat som ett problem med behandling av flödesgrafer. Den anslutna komponentalgoritmen och befintliga grafbehandlingsalgoritmer som ursprungligen användes för communitydetektering i sociala nätgravar är anpassade för uppgiften att detektera vägtäthet. Resultaten indikerar att en överbelastningsdetekteringsmetod baserad på den strömmande anslutna komponentalgoritmen och den inkrementella Dengraph communitydetekteringsalgoritmen kan upptäcka överbelastning med noggrannhet i bästa fall upp till 94% för anslutna komponenter och upp till 88% för Dengraph. En metod baserad på hierarkisk klustring kan detektera överbelastning men saknar detaljer som shockwaves, och Louvain modularitetsalgoritmen för communitydetektering misslyckas med att detektera överbelastade områden i trafiksensorns graf.Slutligen utvärderas prestandan hos de implementerade strömmalgoritmerna med hänsyn till systemets realtidskrav, deras genomströmning och minnesfotavtryck.
RezaeiDivkolaei, Pouya. « DETECTION, CLASSIFICATION, AND LOCATION IDENTIFICATION OF TRAFFIC CONGESTION FROM TWITTER STREAM ANALYSIS ». OpenSIUC, 2017. https://opensiuc.lib.siu.edu/theses/2257.
Texte intégralAnbaroglu, B. « Spatio-temporal clustering for non-recurrent traffic congestion detection on urban road networks ». Thesis, University College London (University of London), 2013. http://discovery.ucl.ac.uk/1408826/.
Texte intégralKhatri, Chandra P. « Real-time road traffic information detection through social media ». Thesis, Georgia Institute of Technology, 2015. http://hdl.handle.net/1853/53889.
Texte intégralRui, Zhu. « Moving Object Trajectory Based Intelligent Traffic Information Hub ». Thesis, KTH, Geodesi och geoinformatik, 2013. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-134944.
Texte intégralSwaro, James E. « A Heuristic-Based Approach to Real-Time TCP State and Retransmission Analysis ». Ohio University / OhioLINK, 2015. http://rave.ohiolink.edu/etdc/view?acc_num=ohiou1448030769.
Texte intégralSvanberg, John. « Anomaly detection for non-recurring traffic congestions using Long short-term memory networks (LSTMs) ». Thesis, KTH, Skolan för elektroteknik och datavetenskap (EECS), 2018. http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-234465.
Texte intégralI den här masteruppsatsen implementerar vi en tvåstegsalgoritm för avvikelsedetektering för icke återkommande trafikstockningar. Data är insamlad från kollektivtrafikbussarna i Stockholm. Vi undersöker användningen av maskininlärning för att modellerna tidsseriedata med hjälp av LSTM-nätverk och evaluerar sedan dessa resultat med en grundmodell. Avvikelsedetekteringsalgoritmen inkluderar både kollektiv och kontextuell uttrycksfullhet, vilket innebär att kollektiva förseningar kan hittas och att även temporaliteten hos datan beaktas. Resultaten visar att prestandan hos avvikelsedetekteringen förbättras av mindre prediktionsfel genererade av LSTM-nätverket i jämförelse med grundmodellen. En regel för avvikelser baserad på snittet av två andra regler reducerar märkbart antalet falska positiva medan den höll kvar antalet sanna positiva på en tillräckligt hög nivå. Prestandan hos avvikelsedetekteringsalgoritmen har setts bero av vilken vägsträcka den tillämpas på, där några vägsträckor är svårare medan andra är lättare för avvikelsedetekteringen. Den bästa varianten av algoritmen hittade 84.3 % av alla avvikelser och 96.0 % av all avvikelsefri data blev markerad som normal data.
Loureiro, Pedro Fernando Quintas. « Automatic traffic congestion detection using uncontrolled video sources ». Master's thesis, 2009. http://hdl.handle.net/10216/58176.
Texte intégralLoureiro, Pedro Fernando Quintas. « Automatic traffic congestion detection using uncontrolled video sources ». Dissertação, 2009. http://hdl.handle.net/10216/58176.
Texte intégralANAS, MOHD. « TRAFFIC CONGESTION DETECTION USING DATA MINING IN VANET ». Thesis, 2018. http://dspace.dtu.ac.in:8080/jspui/handle/repository/16357.
Texte intégralLivres sur le sujet "TRAFFIC CONGESTION DETECTION"
Paselk, Theodore Alan. Automated vehicle delay estimation and motorist information at the U.S./Canadian Border : Final technical report, Research Project GC 8719, Task 41, Automated Motorist Information Detection System. [Olympia, Wash.?] : Washington State Dept. of Transportation, Washington State Transportation Commission in cooperation with the U.S. Dept. of Transportation, Federal Highway Administration, 1992.
Trouver le texte intégralHallenbeck, Mark E. Use of automatic vehicle identification techniques for measuring traffic performance and performing incident detection : Final report. [Olympia, Wash.?] : TransNow, Transportation Northwest, University Transportation Centers Program, Federal Region Ten, Washington State Dept. of Transportation, Transit, Research, and Intermodal Planning Division, in cooperation with the U.S. Dept. of Transportation, Federal Highway Administration, 1992.
Trouver le texte intégralA busy day in Busytown. New York, N.Y : Simon Spotlight, 2010.
Trouver le texte intégralSantibañez Gruber, Rosa Maria, et Antonia Caro González, dir. DEUSTO Social Impact Briefings No. 4 (2019). University of Deusto, 2020. http://dx.doi.org/10.18543/dsib-4(2020).
Texte intégralChapitres de livres sur le sujet "TRAFFIC CONGESTION DETECTION"
Noori, Mohammed Ahsan Raza, et Ritika Mehra. « Traffic Congestion Detection from Twitter Using word2vec ». Dans ICT Analysis and Applications, 527–34. Singapore : Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-8354-4_52.
Texte intégralKumar, Tarun, et Dharmender Singh Kushwaha. « An Approach for Traffic Congestion Detection and Traffic Control System ». Dans Information and Communication Technology for Competitive Strategies, 99–108. Singapore : Springer Singapore, 2018. http://dx.doi.org/10.1007/978-981-13-0586-3_10.
Texte intégralChetouane, Ameni, Sabra Mabrouk et Mohamed Mosbah. « Traffic Congestion Detection : Solutions, Open Issues and Challenges ». Dans Communications in Computer and Information Science, 3–22. Cham : Springer International Publishing, 2020. http://dx.doi.org/10.1007/978-3-030-65810-6_1.
Texte intégralKhalifa, Othman O., Azri A. Marzuki, Noreha Abdul Malik et Mohammad H. Hassan Gani. « Traffic Congestion Detection for Smart and Control Transportation Management ». Dans Lecture Notes in Electrical Engineering, 317–27. Singapore : Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-16-2406-3_25.
Texte intégralCheng, Jieren, Boyi Liu et Xiangyan Tang. « A Traffic-Congestion Detection Method for Bad Weather Based on Traffic Video ». Dans Communications in Computer and Information Science, 506–18. Singapore : Springer Singapore, 2016. http://dx.doi.org/10.1007/978-981-10-0356-1_54.
Texte intégralShaikh, Faisal Karim, Mohsin Shah, Bushra Shaikh et Roshan Ahmed Shaikh. « Implementation and Evaluation of Vehicle-to-Vehicle Traffic Congestion Detection ». Dans Communications in Computer and Information Science, 227–38. Cham : Springer International Publishing, 2014. http://dx.doi.org/10.1007/978-3-319-10987-9_21.
Texte intégralSong, Yang, Zhuzhu Wang, Junwei Zhang, Zhuo Ma et Jianfeng Ma. « A Decentralized Weighted Vote Traffic Congestion Detection Framework for ITS ». Dans Communications in Computer and Information Science, 249–62. Singapore : Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-9129-7_18.
Texte intégralZhuo, Yedi, Ping Wang, Jiaojiao Sun et Yinli Jin. « Traffic Congestion Detection Based on the Image Classification with CNN ». Dans Lecture Notes in Electrical Engineering, 4569–80. Singapore : Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-15-8155-7_378.
Texte intégralOumaima, El Joubari, Ben Othman Jalel et Vèque Véronique. « A Stochastic Traffic Model for Congestion Detection in Multi-lane Highways ». Dans Ad Hoc Networks, 87–99. Cham : Springer International Publishing, 2021. http://dx.doi.org/10.1007/978-3-030-67369-7_7.
Texte intégralAlomari, Ebtesam, Rashid Mehmood et Iyad Katib. « Sentiment Analysis of Arabic Tweets for Road Traffic Congestion and Event Detection ». Dans Smart Infrastructure and Applications, 37–54. Cham : Springer International Publishing, 2019. http://dx.doi.org/10.1007/978-3-030-13705-2_2.
Texte intégralActes de conférences sur le sujet "TRAFFIC CONGESTION DETECTION"
Palmer, J. P. « Automatic incident detection and improved traffic control in urban areas ». Dans IEE Colloquium on Urban Congestion Management. IEE, 1995. http://dx.doi.org/10.1049/ic:19951296.
Texte intégralNidhal, Ahmed, Umi Kalthum Ngah et Widad Ismail. « Real time traffic congestion detection system ». Dans 2014 5th International Conference on Intelligent and Advanced Systems (ICIAS). IEEE, 2014. http://dx.doi.org/10.1109/icias.2014.6869538.
Texte intégralG., Raji C., Shamna Shirin K, Murshidha, Fathimathul Fasila V. P et Shiljiya Shirin K. T. « Emergency Vehicles Detection during Traffic Congestion ». Dans 2022 6th International Conference on Trends in Electronics and Informatics (ICOEI). IEEE, 2022. http://dx.doi.org/10.1109/icoei53556.2022.9776942.
Texte intégralAnjum, Nimra, Nasreen Badruddin et Micheal Drieberg. « Simulation of traffic congestion detection using VANETs ». Dans 2014 5th International Conference on Intelligent and Advanced Systems (ICIAS). IEEE, 2014. http://dx.doi.org/10.1109/icias.2014.6869475.
Texte intégralDimri, Anuj, Harsimran Singh, Naveen Aggarwal, Bhaskaran Raman, Diyva Bansal et K. K. Ramakrishnan. « RoadSphygmo : Using barometer for traffic congestion detection ». Dans 2016 8th International Conference on Communication Systems and Networks (COMSNETS). IEEE, 2016. http://dx.doi.org/10.1109/comsnets.2016.7439942.
Texte intégralLiu, Tingrang, et Min Zhao. « The 3D McMaster Algorithm for Traffic Congestion Detection ». Dans 2020 Chinese Control And Decision Conference (CCDC). IEEE, 2020. http://dx.doi.org/10.1109/ccdc49329.2020.9164882.
Texte intégralKhalil, Mudassir, Jianping Li, Abida Sharif et Jalaluddin Khan. « Traffic congestion detection by use of satellites view ». Dans 2017 14th International Computer Conference on Wavelet Active Media Technology and Information Processing (ICCWAMTIP). IEEE, 2017. http://dx.doi.org/10.1109/iccwamtip.2017.8301495.
Texte intégralSommer, Matthias, et Jörg Hähner. « Learning Classifier Systems for Road Traffic Congestion Detection ». Dans 3rd International Conference on Vehicle Technology and Intelligent Transport Systems. SCITEPRESS - Science and Technology Publications, 2017. http://dx.doi.org/10.5220/0006214101420150.
Texte intégralManjoro, Wellington Simbarashe, Mradul Dhakar et Brijesh Kumar Chaurasia. « Traffic congestion detection using data mining in VANET ». Dans 2016 IEEE Students' Conference on Electrical, Electronics and Computer Science (SCEECS). IEEE, 2016. http://dx.doi.org/10.1109/sceecs.2016.7509347.
Texte intégralRao, Aditya, Akshay Phadnis, Atul Patil, Tejal Rajput et Pravin Futane. « Dynamic Traffic System Based on Real Time Detection of Traffic Congestion ». Dans 2018 Fourth International Conference on Computing Communication Control and Automation (ICCUBEA). IEEE, 2018. http://dx.doi.org/10.1109/iccubea.2018.8697838.
Texte intégralRapports d'organisations sur le sujet "TRAFFIC CONGESTION DETECTION"
System Monitoring of Auto Traffic : Queue Detection and Congestion Impact Assessment. Tampa, FL : University of South Florida, avril 2022. http://dx.doi.org/10.5038/cutr-nicr-rr-2022-1-3.
Texte intégral