基于模糊理论的城市用水量预测方法研究，刘洪波，邓特刚，用水量预测在城市供水管理中起着极其重要的作用，专家学者也对用水量预测方法进行了大量研究。预测方法的易操作性、结果的高准确

城市交通网络中的随机混合均衡行为建模，赵晖，高自友，本文研究了随机系统中同时包含竞争行为与合作行为的混合交通平衡。在目标系统中，同时考虑三类不同性质的局中人，即具有随机用户

熊赛车M21 Simscape模型 城市节日庆典 项目范围 该模型改编自上有关使用Simscape进行CVT建模的。 当由于COVID-19而无法获得车辆数据时，它旨在提供基本的调整见解。 结构 main.slx是整个系统模型。 它由四个部分组成：发动机， CVT ，变速箱以及Vehicle＆Driveline 。 每个子系统都是一个可以单独编辑和测试的参考子系统。 当前状态 引擎子系统 该子系统围绕Simscape Driveline的通用内燃机模块构建。 该引擎基于SAE印度团队提供的数据，该团队在中的CVT建模中找到。 该块包含曲轴和飞轮的惯性值。 怠速和红线速度控制值根据经验进行调整，外部旋转阻尼块也是如此。 用于调优的测试工具保存在一个单独的模型中，作为Engine_test.slx 。 该子系统的未来工作将涉及使用已知的节气门命令收集测功数据，并对模块响应进行整形以匹配该

MIKE_URBAN_城市洪水模拟_DHI

UrbanFACET：通过移动设备直观地分析城市，记录数百万城市居民的移动数据 这是UrbanFACET的代码存储库，其中包括数据清理和熵计算脚本，以及系统工具和前端Web部件。 抽象的 城市是指由于人口行为而定义和发展城市基础设施及其功能的生活系统。 对城市和功能区域进行概要分析一直是城市设计和规划中的重要主题。 本文研究了一个独特的大数据集，该数据集包含数千万城市居民的每日运动数据，并开发了可视化分析系统UrbanFACET，以发现和可视化多个城市及其居民的动态资料。 从数千个手机APP的移动用户不可知的签到中获取的大量用户移动数据集，已在城市结构（例如，道路网络）和POI（兴趣点）分布的综合研究和可视化中得到很好的利用。 特别是，我们新颖地开发了一套基于信息理论的指标来表征城市地区和居民群体的流动模式。 这些多方面的指标包括流动性，振动性，换向，差异和密度（FACET），这些指标对隐

半监督分层递归图神经网络用于城市范围内的停车位可用性预测 这是SHARE体系结构的Pytorch实现，如论文《。 如果您在研究中利用SHARE模型，请引用以下内容： @article{zhang2019semi, title={Semi-Supervised Hierarchical Recurrent Graph Neural Network for City-Wide Parking Availability Prediction}, author={Zhang, Weijia and Liu, Hao and Liu, Yanchi and Zhou, Jingbo and Xiong, Hui}, booktitle={Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligen

Map-matching in complex urban road networks

使用卫星和街道图像预测城市排放 描述 该项目通过使用卷积神经网络（CNN）来研究城市地区臭氧浓度水平与其物理特征之间的关系。 我们训练了两种模型，其中一种接受过卫星图像训练，以捕获更高层次的特征（例如位置的地理位置），另一种进行过街道图像训练，以学习基础特征（例如，机动车活动）。 然后将这些特征连接起来，形成一个共享的表示形式，据此可以预测该位置的臭氧水平（以十亿分之一为单位）。 代码结构 02_Scripts/目录包含用于刮擦和预处理臭氧浓度数据的代码，该数据来自 。 它还包含一个01_Data_Exploration目录，该目录包含用于可视化数据集元素（如特定数据点和具有臭氧读数的位置的地理分布）的代码。 在“图像”中，我们找到了脚本，用于从Google Earth Engine中检索卫星图像（ imagery/getting_imagery_no_mask.py ）和从Google

Unity3D智慧交通AI插件Urban Traffic System ，大量人物和车辆模型

unity3D城市汽车辆交通道路系统插件Urban Traffic System 2018.2 行人 汽车 自制路线