Accelerating transport electrification by machine learning

Informacje na temat projektu

ATEM

Identyfikator umowy o grant: 101025896

DOI 10.3030/101025896

Projekt został zamknięty

Data podpisania przez KE 23 Lutego 2021

Data rozpoczęcia 1 Sierpnia 2021

Data zakończenia 31 Lipca 2023

Finansowanie w ramach

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Koszt całkowity € 191 852,16

Wkład UE € 191 852,16

Koordynowany przez

CHALMERS TEKNISKA HOGSKOLA AB
Sweden

Publikacje

Peer reviewed articles (6)

A personalized recommendation system for multi-modal transportation systems

Autorzy: Fanyou Wu, Cheng Lyu, Yang Liu
Opublikowane w: Multimodal Transportation, 2022, ISSN 2772-5863
Wydawca: Elsevier
DOI: 10.1016/j.multra.2022.100016

Model Controlled Prediction: A Reciprocal Alternative of Model Predictive Control

Autorzy: Shen Li, Yang Liu, Xiaobo Qu
Opublikowane w: IEEE/CAA Journal of Automatica Sinica, 2022, ISSN 2329-9274
Wydawca: IEEE Advancing Technology for Humanity
DOI: 10.1109/jas.2022.105611

How machine learning informs ride-hailing services: A survey

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

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

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

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

Autorzy: Peiqun Lin, Chenxing He, Lingshu Zhong, Mingyang Pei, Chuhao Zhou, Yang Liu
Opublikowane w: Electronic Research Archive, 2023, ISSN 2688-1594
Wydawca: AIMS Press
DOI: 10.3934/era.2023118

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

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