Bridging AI and Traffic Simulation: A Robust and Comprehensive Framework for LLM-Based AI Replanning Agents in MATSim

Ashraf Uz Zaman Patwary, Francesco Ciari, Luca Angioloni, Hamed Naseri, Lorenzo Brusci, Giulio Iannelli

Article de revue (2026)

Accéder à ce document
Lien externe
Ce document n'est pas archivé dans PolyPublie, mais peut être consulté chez l'éditeur officiel
Voir chez l'éditeur officiel

Mots clés

Renseignements supplémentaires:
The 17th International Conference on Ambient Systems, Networks and Technologies Networks (ANT)/ the 9th International Conference on Emerging Data and Industry 4.0 (EDI40)
Département:
Département des génies civil, géologique et des mines
Organismes subventionnaires:
IVADO, Ecole des Ponts ParisTech - ENPC, Vinci Construction
Adresse URL de PolyPublie:
https://publications.polymtl.ca/77044/
Nom de la conférence:
17th International Conference on Ambient Systems, Networks and Technologies Networks (ANT 2026)
Lieu de la conférence:
Istanbul, Türkiye
Date(s) de la conférence:
2026-04-14 - 2026-04-16
Titre de la revue :
Procedia Computer Science ( vol. 280 )
Maison d'édition:
Elsevier BV
DOI:
10.1016/j.procs.2026.04.079
URL officielle:
https://doi.org/10.1016/j.procs.2026.04.079
OAI:
oai:publications.polymtl.ca:77044
ORCID
Date du dépôt:
05 août 2026 10:01
Dernière modification:
14 oct. 2026 14:38
Citer en APA 7:
Patwary, A. U. Z., Ciari, F., Angioloni, L., Naseri, H., Brusci, L., & Iannelli, G. (2026). Bridging AI and Traffic Simulation: A Robust and Comprehensive Framework for LLM-Based AI Replanning Agents in MATSim. [Présentation]. Procedia Computer Science, 280, 622-629. Présentée à 17th International Conference on Ambient Systems, Networks and Technologies Networks (ANT 2026), Istanbul, Türkiye. https://doi.org/10.1016/j.procs.2026.04.079

Statistiques

Dimensions

Actions réservées au personnel

Afficher document
Afficher document