Data-driven Approaches for Enhancing Resilience in Large-scale Transport Networks - TEL - Thèses en ligne Accéder directement au contenu
Hdr Année : 2023

Data-driven Approaches for Enhancing Resilience in Large-scale Transport Networks

Domaines

Informatique [cs] Infrastructures de transport
Fichier principal
Vignette du fichier
HDR_manuscript_angelo_furno.pdf (64.94 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Angelo Furno  : Connectez-vous pour contacter le contributeur

https://hal.science/tel-04462782

Soumis le : vendredi 16 février 2024-16:24:01

Dernière modification le : lundi 4 mars 2024-11:39:46

Télécharger pour visualiser

Dates et versions

tel-04462782 , version 1 (16-02-2024)

Licence

Paternité

Identifiants

  • HAL Id : tel-04462782 , version 1

Citer

Angelo Furno. Data-driven Approaches for Enhancing Resilience in Large-scale Transport Networks: A journey through data analysis, traffic modelling, complex networks and flexible software architectures for resilient and sustainable cities. Computer Science [cs]. ENTPE, University Claude Bernard Lyon 1 - HDR Thesis, 2023. ⟨tel-04462782⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

ENTPE UDL ANR UNIV-EIFFEL
26 Consultations
6 Téléchargements

Partager

Gmail Facebook X LinkedIn More