S'identifier
FR
[EN] English
[FR] Français
S'identifier
FR
[EN] English
[FR] Français
Donnez votre avis
Chercher et explorer
Chercher
Explore ORBilu
Science ouverte
Open Science
Open Access
La gestion des données de recherche
Definitions
OS Working group
Webinars
Statistiques
Aide
Guide d'utilisation
FAQ
Formats de rapport
Typologies
Reporting
Formations
ORCID
À propos
A propos ORBilu
Mandat
Equipe
Impact et visibilité
À propos des statistiques
Indicateurs bibliométriques
OAI-PMH
Historique du projet
Informations juridiques
Protection des données
Mentions légales
Retour
Accueil
Référence détaillée
Télécharger
Article (Périodiques scientifiques)
A Big Data Demand Estimation Model for Urban Congested Networks
Cantelmo, Guido
;
VITI, Francesco
2020
•
In
Transport and Telecommunication
Peer reviewed vérifié par ORBi
Permalien
https://hdl.handle.net/10993/45227
DOI
10.2478/ttj-2020-0019
Documents (1)
Envoyer vers
Détails
Statistiques
Bibliographie
Publications similaires
Documents
Texte intégral
%5B14076179%20-%20Transport%20and%20Telecommunication%20Journal%5D%20A%20Big%20Data%20Demand%20Estimation%20Model%20for%20Urban%20Congested%20Networks.pdf
Postprint Éditeur (682.06 kB)
Télécharger
Tous les documents dans ORBilu sont protégés par une
licence d'utilisation
.
Envoyer vers
RIS
BibTex
APA
Chicago
Permalink
X
Linkedin
copier dans le presse-papier
copié
Détails
Disciplines :
Ingénierie, informatique & technologie: Multidisciplinaire, généralités & autres
Auteur, co-auteur :
Cantelmo, Guido
VITI, Francesco
;
University of Luxembourg > Faculty of Science, Technology and Medicine (FSTM) > Department of Engineering (DoE)
Co-auteurs externes :
yes
Langue du document :
Anglais
Titre :
A Big Data Demand Estimation Model for Urban Congested Networks
Date de publication/diffusion :
novembre 2020
Titre du périodique :
Transport and Telecommunication
ISSN :
1407-6160
eISSN :
1407-6179
Maison d'édition :
De Gruyter Open, Pologne
Peer reviewed :
Peer reviewed vérifié par ORBi
Focus Area :
Computational Sciences
Disponible sur ORBilu :
depuis le 23 décembre 2020
Statistiques
Nombre de vues
112 (dont 11 Unilu)
Nombre de téléchargements
180 (dont 12 Unilu)
Voir plus de statistiques
citations Scopus
®
10
citations Scopus
®
sans auto-citations
9
OpenCitations
2
citations OpenAlex
8
citations WoS
™
8
Bibliographie
Publications similaires
Contacter ORBilu