Accelerating transport electrification by machine learning

Informazioni relative al progetto

ATEM

ID dell’accordo di sovvenzione: 101025896

DOI 10.3030/101025896

Progetto chiuso

Data della firma CE 23 Febbraio 2021

Data di avvio 1 Agosto 2021

Data di completamento 31 Luglio 2023

Finanziato da

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Costo totale € 191 852,16

Contributo UE € 191 852,16

Coordinato da

CHALMERS TEKNISKA HOGSKOLA AB
Sweden

Pubblicazioni

Peer reviewed articles (6)

A personalized recommendation system for multi-modal transportation systems

Autori: Fanyou Wu, Cheng Lyu, Yang Liu
Pubblicato in: Multimodal Transportation, 2022, ISSN 2772-5863
Editore: Elsevier
DOI: 10.1016/j.multra.2022.100016

Model Controlled Prediction: A Reciprocal Alternative of Model Predictive Control

Autori: Shen Li, Yang Liu, Xiaobo Qu
Pubblicato in: IEEE/CAA Journal of Automatica Sinica, 2022, ISSN 2329-9274
Editore: IEEE Advancing Technology for Humanity
DOI: 10.1109/jas.2022.105611

How machine learning informs ride-hailing services: A survey

Autori: Yang Liu; Ruo Jia; Jieping Ye; Xiaobo Qu
Pubblicato in: Communications in Transportation Research, 2022, ISSN 2772-4247
Editore: Elsevier
DOI: 10.1016/j.commtr.2022.100075

A spatio-temporal deep learning model for short-term bike-sharing demand prediction

Autori: Ruo Jia, Richard Chamoun, Alexander Wallenbring, Masoomeh Advand, Shanchuan Yu, Yang Liu, Kun Gao
Pubblicato in: Electronic Research Archive, 2023, ISSN 2688-1594
Editore: AIMS Press
DOI: 10.3934/era.2023051

Bus timetable optimization model in response to the diverse and uncertain requirements of passengers for travel comfort

Autori: Peiqun Lin, Chenxing He, Lingshu Zhong, Mingyang Pei, Chuhao Zhou, Yang Liu
Pubblicato in: Electronic Research Archive, 2023, ISSN 2688-1594
Editore: AIMS Press
DOI: 10.3934/era.2023118

DeepTSP: Deep traffic state prediction model based on large-scale empirical data

Autori: Yang Liu, Cheng Lyu, YuanZhang, Zhiyuan Liu, Wenwu Yu, Xiaobo Qu
Pubblicato in: Communications in Transportation Research, 2021, ISSN 2772-4247
Editore: Elsevier
DOI: 10.1016/j.commtr.2021.100012