Traffic Theory Inspired Spatiotemporal and Multimodal Deep Learning Models for Trustworthy Short-Term Urban Traffic Forecasting

Φαφουτέλλης, Παναγιώτης; Fafoutellis, Panagiotis

Traffic Theory Inspired Spatiotemporal and Multimodal Deep Learning Models for Trustworthy Short-Term Urban Traffic Forecasting

Τίτλος: Traffic Theory Inspired Spatiotemporal and Multimodal Deep Learning Models for Trustworthy Short-Term Urban Traffic Forecasting;
Αξιόπιστη Βραχυπρόθεσμη Πρόβλεψη Κυκλοφορίας σε Αστικά Δίκτυα με Χωροχρονικά και Πολυτροπικά Μοντέλα Βαθιάς Μάθησης Εμπνευσμένα από τη Θεωρία της Κυκλοφοριακής Ροής

Φαφουτέλλης, Παναγιώτης; Fafoutellis, Panagiotis

URI: https://dspace.lib.ntua.gr/xmlui/handle/123456789/60033
http://dx.doi.org/10.26240/heal.ntua.27729

Εμφάνιση πλήρους εγγραφής