!!Research output per year
!!Research output per year
Description
Predictive residual-based anomaly-identification demo for multimodal transportation networks, developed within ACUMEN WP2 Task 2.3.
This Zenodo record archives the source code from the GitHub repository https://github.com/HeckyW/ACUMEN-anomalydetection. The archived version corresponds to commit 49a49ff4de56c4c6f0f16859372a1f2ccde128b0 accessed on 10 July 2026.
This Zenodo record archives the source code from the GitHub repository https://github.com/HeckyW/ACUMEN-anomalydetection. The archived version corresponds to commit 49a49ff4de56c4c6f0f16859372a1f2ccde128b0 accessed on 10 July 2026.
| Koska saatavilla | 8 heinäk. 2026 |
|---|---|
| Julkaisija | Zenodo |
Dataset Licences
- CC-BY-4.0
Tutkimustuotos
- 1 Article
-
Network-wide fine-grained passenger loading prediction via dynamic relational spatiotemporal deep graph neural networks
Wang, H. & Roncoli, C., marrask. 2026, julkaisussa: Transportation Research Part C: Emerging Technologies. 192, 24 Sivumäärä, 105905.Tutkimustuotos: Lehtiartikkeli › Article › Scientific › vertaisarvioitu
Open accessTiedosto
Projektit
- 1 Päättynyt
-
ACUMEN Horizon Roncoli: AI-aided decision tool for seamless multimodal network and traffic management
Roncoli, C. (Vastuullinen johtaja), Wang, H. (Projektin jäsen), Vosough, S. (Projektin jäsen), Sipetas, C. (Projektin jäsen), Yung, C. (Projektin jäsen), Hongisto, P. (Projektin jäsen), Vitale, F. (Projektin jäsen), Ivanova, O. (Projektin jäsen), Haris, M. (Projektin jäsen) & Westerback, L. (Projektin jäsen)
01/06/2023 → 31/05/2026
Projekti: EU_HEFWP
Siteeraa tätä
- DataSetCite