HRC-DKB: A Lightweight Dual-Key Batch Authentication Protocol for Heterogeneous Resource-Constrained ITS

?

HRC-DKB: A Lightweight Dual-Key Batch Authentication Protocol for Heterogeneous Resource-Constrained ITS

Ch. 36. P. 201–208.

Wang M., Meng X., Diao Z., Huo S., Tan X., Liang W., Авдошин С. М.

В книге

Proceedings 2026 IEEE International Conference on Joint Cloud Computing JCC 2026

IEEE Computer Society (Conference Publishing Services, CPS), 2026.

Federated Reinforcement Learning for Intelligent Traffic Signal Control: A Privacy-Preserving Approach with Edge-Assisted Aggregation

Ali J. Dayoub, Ehab S. Suleiman, , in: Proceedings of the 2026 8th International Youth Conference on Radio Electronics, Electrical and Power Engineering (REEPE).: IEEE, 2026. Ch. 159 P. 1–5.

Добавлено: 30 апреля 2026 г.

Parallel Multi-Level Simulation for Large-Scale Detailed Intelligent Transportation System Modeling

Степанянц В. Г., Karpov A., Margaryan A. и др., FUTURE TRANSPORTATION 2025 Vol. 5 No. 4 Article 141

Добавлено: 17 октября 2025 г.

Новая программная платформа для моделирования транспортных потоков с участием беспилотных автомобилей

Бекларян А. Л., Вестник ЦЭМИ 2023 Т. 6 № 1 Статья 5

В статье представлена новая программная платформа для моделирования транспортных потоков с участием беспилотных автомобилей, использующая ряд передовых технологических решений, в частности, инструменты суперкомпьютерного агентного моделирования FLAME GPU, интеллектуальные программные модули на основе нечёткой и иерархической кластеризации, генетические оптимизационные алгоритмы, подсистему визуализации состояния агентов-транспортных средств (ТС) на основе OpenGL и др. В результате, обеспечивается возможность моделирования ...

Добавлено: 4 июня 2023 г.

Оптимизация характеристик интеллектуальной транспортной системы с использованием генетического алгоритма вещественного кодирования на основе адаптивной мутации

Акопов А. С., Бекларян Л. А., Бекларян А. Л., Информационные технологии 2023 Т. 29 № 3 С. 115–125

Представлен новый генетический алгоритм (FCGA-AM) с вещественным кодированием, использующий предложенный оператор адаптивной мутации (AM) и предназначенный для оптимизации характеристик разработанной интеллектуальной транспортной системы. С использованием различных тестовых функций и известных метрик качества фронтов Парето выполнена оценка эффективности предложенного генетического алгоритма в сравнении с другими методами многокритериальной эвристической оптимизации. Далее FCGA-AM был применен для поиска наилучших ...

Добавлено: 4 июня 2023 г.

Hybrid Deep Learning Enabled Air Pollution Monitoring in ITS Environment

Dutta A. K., Sampson J., Ahmad S. и др., Computers, Materials and Continua 2022 Vol. 72 No. 1 P. 1157–1172

Добавлено: 11 апреля 2022 г.

Automatic Vehicle License Plate Recognition Using Optimal K-Means with Convolutional Neural Network for Intelligent Transportation Systems

Pustokhina I., Pustokhin D. A., Rodrigues J. J. и др., IEEE Access 2020 Vol. 8 P. 92907–92917

Добавлено: 2 октября 2021 г.

Automatic vehicle license plate recognition using optimal deep learning model

Vaiyapuri T., Nandan Mohanty S., Sivaram M. и др., Computers, Materials and Continua 2021 Vol. 67 No. 2 P. 1881–1897

Добавлено: 2 октября 2021 г.

On Machine Learning Applicability to Transaction Time Prediction for Time-Critical C-ITS Applications

Stepanov N., Veprev A., Sharapova A. и др., , in: 2021 44th International Conference on Telecommunications and Signal Processing (TSP).: IEEE Computer Society, 2021. P. 408–413.

Добавлено: 2 октября 2021 г.

Metadata-Driven Industrial-Grade ETL System

Suleykin A., Panfilov P., , in: 2020 IEEE International Conference on Big Data (Big Data 2020).: IEEE, 2020. P. 2433–2442.

Добавлено: 16 апреля 2021 г.

Многоагентная система управления наземными беспилотными транспортными средствами

Акопов А. С., Бекларян Л. А., Хачатрян Н. К. и др., Информационные технологии 2020 Т. 26 № 6 С. 342–353

Представлена система управления наземными беспилотными транспортными средствами (БТС), разработанная с использованием методов агентного имитационного моделирования (поддерживаемых в AnyLogic). Важной особенностью подобной системы является возможность оценки влияния различных параметров (таких как, средние начальные скорости, интенсивности входных потоков, частота обмена данными между агентами-БТС и др.) на поведение и состояние беспилотных и обычных транспортных средств в плотном потоке. ...

Добавлено: 18 июня 2020 г.

Towards a Cloud Computing Paradigm for Big Data Analysis in Smart Cities

Massobrio R., Nesmachnow S., Tchernykh A. и др., Programming and Computer Software 2018 Vol. 44 No. 3 P. 181–189

In this paper, we present a Big Data analysis paradigm related to smart cities using cloud computing infrastructures. The proposed architecture follows the MapReduce parallel model implemented using the Hadoop framework. We analyse two case studies: a quality-of-service assessment of public transportation system using historical bus location data, and a passenger-mobility estimation using ticket sales ...

Добавлено: 10 августа 2018 г.

The pros and cons of the Intelligent Transportation System implementation at toll plaza in Russia

Плаксин С. М., Кондрашов А. С., Ястребова Е. В. и др., / Series WP BRP "Basic research program". 2015. No. 02/URB/2015.

Добавлено: 9 декабря 2015 г.

A multi-agent approach to Intelligent Transportation Systems modeling with combinatorial auctions

Бабкин Э. А., Сатунин С. В., Expert Systems with Applications 2014 Vol. 41 No. 15 P. 6622–6633

Добавлено: 19 января 2015 г.