本文报道了一种新的方法，该方法通过结合免费提供的道路指标来确立数据生成过程和空间依赖性，从而提高了移动蜂窝流量预测的准确性，这可以应用于边缘或中心化学习，可用于预测短期未来一段高速公路覆盖区域的负载。

May, 2023

该研究实施了一个三阶段的视频分析框架，用于从道路上的摄像头提取高分辨率的交通数据，关键组成部分包括目标识别、透视转换和车辆轨迹重建，可以用于改善交通管理、识别危险驾驶行为以及减少事故和伤亡风险。

Jan, 2024

该论文提供了一个自动实时车辆速度计算的新框架，该框架能够处理多样化的公开交通摄像头数据以实现更好的稳健性，通过深度图预测技术估计路段长度，同时处理实际条件如摄像头移动和不同视频流输入，与其他模型相比，虽然在预测性能方面没有创立新的最佳结果，但在实际闭路电视视频方面是具有竞争力的，同时它的端到端管道提供了更一致的结果、更容易的实现和更好的兼容性，其模块化结构便于重现性和未来的改进。

Sep, 2023

用遥感图像直接建模时空交通模式的多模态、多任务变压器分割架构，包含地理时空位置编码模块和自然建模时间变化的概率目标函数，在 Dynamic Traffic Speeds (DTS) 数据集上显著提升交通模型的性能，并引入 DTS++ 数据集支持与移动相关的位置适应实验。

Mar, 2024

本文提出了一种处理航拍视频，将其转化成车辆轨迹数据的方法，可用于自动重建和精确重现交通场景，同时还编制了一个包含 50 个重建的道路交通场景的数据集，可用于后续交通分析应用和进一步的道路交通相关研究。

May, 2023

本文提出了一种基于 CRESIv2 方法的城市级别道路提取和路线计算方法，该方法包含语义特征识别以及道路速度限制和行车时间的计算，旨在优化路线计算而非简单的最短路径距离。实验证明，该方法在使用 SpaceNet 数据集的训练和测试数据时优于使用 OpenStreetMap 标签的方法 60% 以上，并通过度量平均路径长度相似度（APLS）和地图拓扑（TOPO）等指标对算法的性能进行了评估。

Aug, 2019

本文介绍了一种面临道路运动相机拍摄时空视角变化而实现动态交通场景分类的解决方案，包括创建了 80 小时的数据集和使用语义上下文和时间性的新型算法开发了一种道路场景动态分类系统，可以帮助理解驾驶员的驾驶行为。

May, 2019

该研究介绍了德国 AVEAS 研究项目的中间结果，该项目旨在开发用于高级驾驶辅助系统和自动驾驶的虚拟验证和验证的真实世界数据的方法和度量，并建立遵循 FAIR 原则的在线数据库。

May, 2024

该研究使用宏观模型和来自自动交通计数器和探针车辆的多源时空数据，准确估计了无法测量这些指标的路段的交通流量和行程时间。使用名为 MaTE 的模型，该模型基于宏观交通流理论，可在仅使用观察到的这些指标的测量值的情况下进行网络范围内的交通流量和行程时间估计。实验结果显示，MaTE 模型在交通行程时间估计方面表现优于数据驱动的基准模型。

Jan, 2024

本文利用美国联邦航空管理局的交通流量管理系统数据集和 DV8，一种近期开发的用于高度交互式可视化航空交通数据的工具，开发了用于按照变化的飞行路径对航空交通进行聚类的算法。展示并比较了两种聚类方法：基于空间的地理距离模型和基于向量的余弦相似度模型，以评估它们的聚类效果。应用示例揭示了基于自动聚类结果确定和人机合作过程的成功实际聚类，其中地理距离算法在飞行路径的巡航阶段表现更好，余弦相似度算法在近航站区域操作（如到达路径）表现更好。应用了一种抽取点的技术来提高计算效率。

Oct, 2023