Parameter and density estimation from real-world traffic data: A kinetic compartmental approach
Preprint, 2021
Traffic reaction model
parameter estimation
highD
viscosity solutions
Lax–Friedrichs scheme
macroscopic model
CFL condition
hyperbolic PDE
real traffic data
finite volume scheme
gradient descent
Författare
Mike Pereira
Chalmers, Elektroteknik, System- och reglerteknik, Reglerteknik
Pinar Boyraz Baykas
Chalmers, Mekanik och maritima vetenskaper, Fordonssäkerhet, Olycksanalys och prevention
Balázs Adam Kulcsár
Chalmers, Elektroteknik, System- och reglerteknik, Reglerteknik
Annika Lang
Chalmers, Matematiska vetenskaper, Tillämpad matematik och statistik
Optimal energihantering för nätverk av elektrifierade bussar (OPNET)
Energimyndigheten, 2018-10-01 -- 2021-12-31.
Efficienta approximeringsmetoder för stokastiska fält på mångfalder
Vetenskapsrådet (VR), 2021-01-01 -- 2024-12-31.
Stochastic Continuous-Depth Neural Networks
Chalmers AI-forskningscentrum (CHAIR), 2020-08-15 -- .
Real-Time Robust and AdaptIve Learning in ElecTric VEhicles (RITE)
Chalmers AI-forskningscentrum (CHAIR), 2020-01-01 -- 2021-12-31.
Chalmers, 2020-01-01 -- 2021-12-31.
STOchastic Traffic NEtworks (STONE)
Chalmers, 2020-02-01 -- 2022-01-31.
Chalmers AI-forskningscentrum (CHAIR), -- .
Styrkeområden
Transport
Ämneskategorier
Beräkningsmatematik
Sannolikhetsteori och statistik
Reglerteknik
Fundament
Grundläggande vetenskaper
Relaterade dataset
arXiv:2101.11485 [dataset]
URI: https://arxiv.org/abs/2101.11485