基于大数据和物联网的智能交通系统
本文的目的是演示如何使用数据分析、机器学习算法和物联网来预测流量，创建有关实时交通拥堵的准确数据，以及将使用导航的车辆疏导到不太拥挤的路线。
SUMO交通流仿真实战
SUMO是一个开源平台，可模拟复杂环境中的交通流。在这个教程里，我们将学习如何从零创建复杂的交通流模拟。
5个蒙特卡洛仿真实例
蒙特卡洛方法是一种利用随机数和概率来解决复杂问题的技术。在本文中，我们将通过五个不同的示例来理解蒙特卡洛仿真方法。
交通事故预测【机器学习】
我们将利用公开提供的道路基础设施数据和天气数据源，使用有监督机器学习来预测每小时每个路段的事故风险。
Python实战数字孪生
我们将使用Python创建一个锂离子电子的数字孪生，并利用这个数字孪生预测其物理实体的寿命。
如何将GIS数据导入虚幻引擎
本教程介绍了将3D GIS数据导入Unreal引擎的工作流程，并将其用于城市规划、房地产开发和 3D 可视化。
Python交通流仿真【含源码】
交通流仿真可以使用软件运行模型来预测交通流，这有助于加速交通流系统的优化和数据收集。在本文中，我们比较不同的方法来模拟交通流，并呈现仿真结果。
数字孪生是元宇宙的基础
游戏公司Epic Games的David Weir-McCall表示，建筑和城市的数字孪生总有一天会连接在一起，形成一个平行的元宇宙世界，人们在这里工作、娱乐和社交。
模型 vs. 数字孪生
数字孪生"目前存在各种各样的定义。在其许多应用中，模型和数字孪生之间的区别尚不清楚。本文突出了模型与数字孪生之间的本质区别，概述了使用数字孪生的一些关键益处，并为进一步研究指明了方向，以充分挖掘该方法的潜力。