Bayesiansk maskininlärning för spatiotemporala processer inom transport

Den snabba utvecklingen av strömmande sensorer har gjort det alltmer vanligt med spatiotemporala data. I det här projektet utvecklar vi sannolikhetsmodeller för spatiotemporala data med tillämpningar inom transportproblem.

Aerial View of Beijing Traffic Jam Foto iStock/Wenjie DongHuvudsakligt fokus ligger på utveckling av beräkningseffektiva bayesianska metoder för lärande, prediktion och beslutsfattande för spatiotemporala data med nätverksstruktur.

Delprojekt 1. En bayesiansk dynamisk stokastisk blockmodell för storskaliga multinätverk med tillämpningar inom flygtrafik

Delprojekt 2. Trafikflödesmodellering och prediction med gaussiska processer med vägnätstopologi.

Forskare Visa/dölj innehåll

Publikationer Visa/dölj innehåll

Héctor Rodriguez Déniz, Mattias Villani (2022)

IEEE transactions on intelligent transportation systems (Print) Vidare till DOI

Héctor Rodriguez Déniz, Mattias Villani, Augusto Voltes-Dorta (2022)

Transportation Research Part C: Emerging Technologies , Vol.137 Vidare till DOI

Hector Rodriguez-Deniz, Erik Jenelius, Mattias Villani (2017)

2017 IEEE 20TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC) Vidare till DOI

Forskning Visa/dölj innehåll