Buchumschlag

Estimating link level traffic emissions: enhancing MOVES with open-source data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wang, Lijiao, Usama, Muhammad, Koutsopoulos, Haris N., He, Zhengbing
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Applications
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Estimating City-wide Operating Mode Distribution of Light-Duty Vehicles: A Neural Network-based Approach
von: Usama, Muhammad, et al.
Veröffentlicht: (2025)

Real Time Headway Predictions in Urban Rail Systems and Implications for Service Control: A Deep Learning Approach
von: Usama, Muhammad, et al.
Veröffentlicht: (2025)

Uncertainty Quantification of Spatiotemporal Travel Demand with Probabilistic Graph Neural Networks
von: Wang, Qingyi, et al.
Veröffentlicht: (2023)

When Context Is Not Enough: Modeling Unexplained Variability in Car-Following Behavior
von: Zhang, Chengyuan, et al.
Veröffentlicht: (2025)

NeuralMOVES: A lightweight and microscopic vehicle emission estimation model based on reverse engineering and surrogate learning
von: Ramirez-Sanchez, Edgar, et al.
Veröffentlicht: (2025)

Deploying Robust Decision Support Systems for Transit Headway Control: Rider Impacts, Human Factors and Recommendations for Scalability
von: Rodriguez, Joseph, et al.
Veröffentlicht: (2025)

A tutorial on discovering and quantifying the effect of latent causal sources of multimodal EHR data
von: Barbero-Mota, Marco, et al.
Veröffentlicht: (2025)

Flusion: Integrating multiple data sources for accurate influenza predictions
von: Ray, Evan L., et al.
Veröffentlicht: (2024)

Meta-models for transfer learning in source localisation
von: Bull, Lawrence A., et al.
Veröffentlicht: (2023)

A Bayesian Regression Approach for Estimating the Impact of COVID-19 on Consumer Behavior in the Restaurant Industry
von: Hinduja, H., et al.
Veröffentlicht: (2024)

An unified approach to link prediction in collaboration networks
von: Sosa, Juan, et al.
Veröffentlicht: (2024)

Optimal Transport for Treatment Effect Estimation
von: Wang, Hao, et al.
Veröffentlicht: (2023)

Clusterability test for categorical data
von: Hu, Lianyu, et al.
Veröffentlicht: (2023)

From Observational Data to Clinical Recommendations: A Causal Framework for Estimating Patient-level Treatment Effects and Learning Policies
von: Gutman, Rom, et al.
Veröffentlicht: (2025)

Effective climate policies for major emission reductions of ozone precursors: Global evidence from two decades
von: Yao, Ningning, et al.
Veröffentlicht: (2025)

Adapting tree-based multiple imputation methods for multi-level data? A simulation study
von: Föge, Nico, et al.
Veröffentlicht: (2024)

Physics-constrained robust learning of open-form partial differential equations from limited and noisy data
von: Du, Mengge, et al.
Veröffentlicht: (2023)

Adaptive Norm-Based Regularization for Neural Networks
von: Qasim, Muhammad, et al.
Veröffentlicht: (2026)

Likelihood-Free Estimation for Spatiotemporal Hawkes processes with missing data and application to predictive policing
von: Das, Pramit, et al.
Veröffentlicht: (2025)

A novel forecasting framework combining virtual samples and enhanced Transformer models for tourism demand forecasting
von: Diao, Tingting, et al.
Veröffentlicht: (2025)

It's all In the (Exponential) Family: An Equivalence between Maximum Likelihood Estimation and Control Variates for Sketching Algorithms
von: Kang, Keegan, et al.
Veröffentlicht: (2026)

Manifold Dimension Estimation via Local Graph Structure
von: Bi, Zelong, et al.
Veröffentlicht: (2025)

Logistic regression models for patient-level prediction based on massive observational data: Do we need all data?
von: John, Luis H., et al.
Veröffentlicht: (2020)

Comparison of Maximum Likelihood Classification Before and After Applying Weierstrass Transform
von: Shoaib, Muhammad, et al.
Veröffentlicht: (2026)

Enhancing short-term traffic prediction by integrating trends and fluctuations with attention mechanism
von: Das, Adway, et al.
Veröffentlicht: (2025)

Bayesian Estimation of Extreme Quantiles and the Exceedance Distribution for Paretian Tails
von: Johnston, Douglas E.
Veröffentlicht: (2025)

Variational Approximated Restricted Maximum Likelihood Estimation for Spatial Data
von: Thakur, Debjoy
Veröffentlicht: (2026)

A Framework for Scalable Ambient Air Pollution Concentration Estimation
von: Berrisford, Liam J, et al.
Veröffentlicht: (2024)

Robust Distributed Estimation: Extending Gossip Algorithms to Ranking and Trimmed Means
von: Van Elst, Anna, et al.
Veröffentlicht: (2025)

Traffic State Estimation from Vehicle Trajectories with Anisotropic Gaussian Processes
von: Wu, Fan, et al.
Veröffentlicht: (2023)

Bayesian Safety Validation for Failure Probability Estimation of Black-Box Systems
von: Moss, Robert J., et al.
Veröffentlicht: (2023)

Bayesian Active Learning of (small) Quantile Sets through Expected Estimator Modification
von: Abdelmalek-Lomenech, Romain Ait, et al.
Veröffentlicht: (2025)

Pure Component Property Estimation Framework Using Explainable Machine Learning Methods
von: Jiao, Jianfeng, et al.
Veröffentlicht: (2025)

A Survey and Comparative Evaluation of Intrinsic Dimension Estimators under the Manifold Hypothesis
von: Bi, Zelong, et al.
Veröffentlicht: (2025)

Identifying Factors to Help Improve Existing Decomposition-Based PMI Estimation Methods
von: Nau, Anna-Maria, et al.
Veröffentlicht: (2024)

Adaptive Online Experimental Design for Causal Discovery
von: Elahi, Muhammad Qasim, et al.
Veröffentlicht: (2024)

Unsupervised Latent Pattern Analysis for Estimating Type 2 Diabetes Risk in Undiagnosed Populations
von: Kumar, Praveen, et al.
Veröffentlicht: (2025)

Quantifying Membership Disclosure Risk for Tabular Synthetic Data Using Kernel Density Estimators
von: Pathak, Rajdeep, et al.
Veröffentlicht: (2026)

Advancing Causal Inference: A Nonparametric Approach to ATE and CATE Estimation with Continuous Treatments
von: Souto, Hugo Gobato, et al.
Veröffentlicht: (2024)

Missing data imputation for noisy time-series data and applications in healthcare
von: Le, Lien P., et al.
Veröffentlicht: (2024)