Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaTransportasiCollaborative Research: Learning-Based Scalable Predictive Control Strategies for Heterogeneous Traffic Networks
Proyek riset & pengembangan

Collaborative Research: Learning-Based Scalable Predictive Control Strategies for Heterogeneous Traffic Networks

Ringkasan tujuan riset

Kendali prediktif hierarkis akan memodelkan ketidakpastian lalu lintas campuran manusia-otomatis dan mengoordinasikan strategi infrastruktur serta kendaraan individual.

Transportasi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2525925Periode tercatat 2025-10-01 sampai 2027-07-31.NSF 2525925MulaiAkhir tercatat202520282025-10-012027-07-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Pada tingkat makroskopik, Bayesian neural network variational fungsional memperkirakan ketidakpastian yang bergantung keadaan dan input. Distributed optimization mempercepat kendali scenario-based. Tingkat mikroskopik memakai cautious model predictive control untuk mengikuti referensi sambil memperhatikan keselamatan tiap kendaraan. PTV-VISSIM akan mengevaluasi jaringan perkotaan dan jalan raya. Efisiensi energi serta mobilitas lebih baik merupakan tujuan, belum dampak lalu lintas nyata yang dibuktikan.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Lamar University
Program
EPCL: Energy, Power, Control,
Periode pendanaan tercatat
2025-10-01 → 2027-07-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Electrical, Communications, & Cyber Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.