Dong Ngoduy

基于Mamba2状态空间序列建模的智能车辆高效视觉-惯性自运动估计

基于物理信息深度学习模型的车辆轨迹预测新框架

通过基于预期的动态图网络将车辆跟驰模型扩展到多车道交通

提升车辆编队安全评估：一种新颖的级联风险度量

联邦学习在交通预测中的博弈论激励：通过Stackelberg合同平衡资源分配与预测精度

知识数据融合导向的交通状态估计：一种基于随机物理信息深度学习的方法

一种基于知识指导的深度学习范式，用于构建具有泛化能力和稳定性优化的车辆跟驰模型

考虑驾驶员异质性的车辆跟驰行为建模：一种多模式随机框架

一种适用于连接环境下生态友好编队合并的序列博弈方法

考虑电动汽车充电行为的耦合交通与电力网络的动态平衡

从动态和随机角度看待交通振荡中的时间头距及其对交通安全的影响

城市间流动的动态模式和影响因素: 来自空间时间序列相似性的见解

评估城市轨道交通出行预订策略: 动态客流模拟方法

开发和验证用于异常值去除的自适应多层车辆轨迹重建方法

基于神经网络的符号回归发现跟车行为的最优关系假说 ☆

Pi-stgnet: 具有基本图学习器的物理集成时空图神经网络，用于公路交通流预测

基于随机切换模式模型的城市干线交通多源数据估计滤波器

用于高速公路风险评估的集成驾驶风险代理模型和汽车跟随行为

推断车祸对公路交通的异质处理效果: 一种双重稳健的因果机器学习方法

在存在连接和自动车辆的情况下，具有多个预期的基于异构排的交通系统的稳定性