Buchumschlag

Accounting for Work Zone Disruptions in Traffic Flow Forecasting

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lu, Yuanjie, Shehu, Amarda, Lattanzi, David
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Foundation Models for AI-Enabled Biological Design
von: Moldwin, Asher, et al.
Veröffentlicht: (2025)

Beyond Single-Model Views for Deep Learning: Optimization versus Generalizability of Stochastic Optimization Algorithms
von: Inan, Toki Tahmid, et al.
Veröffentlicht: (2024)

From Understanding to Creation: A Prerequisite-Free AI Literacy Course with Technical Depth Across Majors
von: Shehu, Amarda
Veröffentlicht: (2026)

Birdie: Advancing State Space Models with Reward-Driven Objectives and Curricula
von: Blouir, Sam, et al.
Veröffentlicht: (2024)

Embracing Large Language Models in Traffic Flow Forecasting
von: Zhao, Yusheng, et al.
Veröffentlicht: (2024)

Rethinking Traffic Flow Forecasting: From Transition to Generatation
von: Shijiao, Li, et al.
Veröffentlicht: (2025)

Real-Time Conflict Prediction for Large Truck Merging in Mixed Traffic at Work Zone Lane Closures
von: Enan, Abyad, et al.
Veröffentlicht: (2025)

REFOL: Resource-Efficient Federated Online Learning for Traffic Flow Forecasting
von: Liu, Qingxiang, et al.
Veröffentlicht: (2024)

An Attention-Based Multi-Context Convolutional Encoder-Decoder Neural Network for Work Zone Traffic Impact Prediction
von: Jiang, Qinhua, et al.
Veröffentlicht: (2024)

Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data
von: Xiong, Weijiang, et al.
Veröffentlicht: (2025)

Spatiotemporal-aware Trend-Seasonality Decomposition Network for Traffic Flow Forecasting
von: Cao, Lingxiao, et al.
Veröffentlicht: (2025)

Forecasting Supply Chain Disruptions with Foresight Learning
von: Turtel, Benjamin, et al.
Veröffentlicht: (2026)

UniST-Pred: A Robust Unified Framework for Spatio-Temporal Traffic Forecasting in Transportation Networks Under Disruptions
von: Wang, Yue, et al.
Veröffentlicht: (2026)

Spatiotemporal Forecasting of Traffic Flow using Wavelet-based Temporal Attention
von: Jakhmola, Yash, et al.
Veröffentlicht: (2024)

Multi-Grained Temporal-Spatial Graph Learning for Stable Traffic Flow Forecasting
von: Lin, Zhenan, et al.
Veröffentlicht: (2025)

PIMCST: Physics-Informed Multi-Phase Consensus and Spatio-Temporal Few-Shot Learning for Traffic Flow Forecasting
von: Fofanah, Abdul Joseph, et al.
Veröffentlicht: (2026)

Vision-LLMs for Spatiotemporal Traffic Forecasting
von: Yang, Ning, et al.
Veröffentlicht: (2025)

Probabilistic Traffic Forecasting with Dynamic Regression
von: Zheng, Vincent Zhihao, et al.
Veröffentlicht: (2023)

Online Test-Time Adaptation of Spatial-Temporal Traffic Flow Forecasting
von: Guo, Pengxin, et al.
Veröffentlicht: (2024)

Generalising Traffic Forecasting to Regions without Traffic Observations
von: Su, Xinyu, et al.
Veröffentlicht: (2025)

STGAtt: A Spatial-Temporal Unified Graph Attention Network for Traffic Flow Forecasting
von: Liang, Zhuding, et al.
Veröffentlicht: (2025)

Continual Traffic Forecasting via Mixture of Experts
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)

Incident-Guided Spatiotemporal Traffic Forecasting
von: Fan, Lixiang, et al.
Veröffentlicht: (2026)

Efficient Prompt Learning for Traffic Forecasting
von: Zhang, Qianru, et al.
Veröffentlicht: (2026)

An Experimental Study on Decomposition-Based Deep Ensemble Learning for Traffic Flow Forecasting
von: Zhu, Qiyuan, et al.
Veröffentlicht: (2024)

FUSE-Traffic: Fusion of Unstructured and Structured Data for Event-aware Traffic Forecasting
von: Yu, Chenyang, et al.
Veröffentlicht: (2025)

Temporal Graph Learning Recurrent Neural Network for Traffic Forecasting
von: Lee, Sanghyun, et al.
Veröffentlicht: (2024)

Meta Dynamic Graph for Traffic Flow Prediction
von: Zou, Yiqing, et al.
Veröffentlicht: (2026)

Unveiling the Inflexibility of Adaptive Embedding in Traffic Forecasting
von: Wang, Hongjun, et al.
Veröffentlicht: (2024)

Revealing the Power of Masked Autoencoders in Traffic Forecasting
von: Sun, Jiarui, et al.
Veröffentlicht: (2023)

Multi-scale Traffic Pattern Bank for Cross-city Few-shot Traffic Forecasting
von: Liu, Zhanyu, et al.
Veröffentlicht: (2024)

TrafficKAN-GCN: Graph Convolutional-based Kolmogorov-Arnold Network for Traffic Flow Optimization
von: Zhang, Jiayi, et al.
Veröffentlicht: (2025)

Wavelet-Inspired Multiscale Graph Convolutional Recurrent Network for Traffic Forecasting
von: Qian, Qipeng, et al.
Veröffentlicht: (2024)

SSMT: Few-Shot Traffic Forecasting with Single Source Meta-Transfer
von: Bhaumik, Kishor Kumar, et al.
Veröffentlicht: (2024)

Variational Mode-Driven Graph Convolutional Network for Spatiotemporal Traffic Forecasting
von: Ahmad, Osama, et al.
Veröffentlicht: (2024)

Continuously Evolving Graph Neural Controlled Differential Equations for Traffic Forecasting
von: Wu, Jiajia, et al.
Veröffentlicht: (2024)

TEAM: Topological Evolution-aware Framework for Traffic Forecasting--Extended Version
von: Kieu, Duc, et al.
Veröffentlicht: (2024)

Weaver: Kronecker Product Approximations of Spatiotemporal Attention for Traffic Network Forecasting
von: Cheong, Christopher, et al.
Veröffentlicht: (2025)

TUBO: A Tailored ML Framework for Reliable Network Traffic Forecasting
von: Yuan, Zhihang, et al.
Veröffentlicht: (2026)

HSTMixer: A Hierarchical MLP-Mixer for Large-Scale Traffic Forecasting
von: Wang, Yongyao, et al.
Veröffentlicht: (2025)