 | Monter d'un niveau |
Réseau de collaborationCe graphique trace les liens entre tous les collaborateurs des publications de {} figurant sur cette page.
Chaque lien représente une collaboration sur la même publication. L'épaisseur du lien représente le nombre de collaborations.
Utilisez la molette de la souris ou les gestes de défilement pour zoomer à l'intérieur du graphique.
Vous pouvez cliquer sur les noeuds et les liens pour les mettre en surbrillance et déplacer les noeuds en les glissant.
Enfoncez la touche "Ctrl" ou la touche "⌘" en cliquant sur les noeuds pour ouvrir la liste des publications de cette personne.
Nuage de motsUn nuage de mots est une représentation visuelle des mots les plus fréquemment utilisés dans un texte ou un ensemble de textes. Les mots apparaissent dans différentes tailles, la taille de chaque mot étant proportionnelle à sa fréquence d'apparition dans le texte. Plus un mot est utilisé fréquemment, plus il apparaît en grand dans le nuage de mots. Cette technique permet de visualiser rapidement les thèmes et les concepts les plus importants d'un texte.
Dans le contexte de cette page, le nuage de mots a été généré à partir des publications de l'auteur {}. Les mots présents dans ce nuage proviennent des titres, résumés et mots-clés des articles et travaux de recherche de cet auteur. En analysant ce nuage de mots, vous pouvez obtenir un aperçu des sujets et des domaines de recherche les plus récurrents et significatifs dans les travaux de cet auteur.Le nuage de mots est un outil utile pour identifier les tendances et les thèmes principaux dans un corpus de textes, facilitant ainsi la compréhension et l'analyse des contenus de manière visuelle et intuitive.
Naseri, H., Laviolette, J., Waygood, O., & Manaugh, K. (2026). Unveiling barriers and motivations to cycling across different stages of change. Transportation Research Part F Traffic Psychology and Behaviour, 119, 103572 (20 pages). Lien externe
Ghavami, S., Naseri, H., & Safi Jahanshahi, F. (2026). Advanced Machine Learning Techniques for Predicting the California Bearing Ratio of Soils Stabilized with Cement Kiln Dust. International Journal of Pavement Research and Technology, 15 pages. Lien externe
Waygood, O., Naseri, H., Laviolette, J., & Wang, B. (2026). Analyzing the opinions of Canadians on the impacts of electric vehicles. International Journal of Sustainable Transportation, 21 pages. Accès restreint
Safi Jahanshahi, F., Reza Ghanizadeh, A., Naseri, H., & Mouldi, A. (2026). Interpretable AI Models Based on Hybrid Ensemble Learning Methods for Predicting Unconfined Compressive Strength of Cement-Stabilized Magnetite Iron Ore Tailing. AI, 7(2), 37 (27 pages). Lien externe
Ghavami, S., & Naseri, H. (2025). Prediction of Compressive Strength in Fine-Grained Soils Stabilized with a Combination of Various Stabilization Agents and Nano-SiO₂ Using Machine Learning Algorithms. Mathematical and Computational Applications, 30(6), 137-137. Lien externe
Waygood, O., Naseri, H., Wang, B., & Laviolette, J. (2025). Transport emissions and climate change: Which actions are the hardest? Case Studies on Transport Policy, 23, 101660 (9 pages). Lien externe
Naseri, H., Ciari, F., Patwary, A. U. Z., & Cloutier, M.-S. (2025). Satisfaction in pedestrianized areas: What shapes positive and negative experiences? Cities, 168, 106511 (11 pages). Lien externe
Naseri, H., Laviolette, J., Waygood, O., & Manaugh, K. (2025). Cycling and GHG Emissions: How Infrastructure Makes All the Difference. Sustainability, 17(17), 7577 (29 pages). Lien externe
Naseri, H., Ciari, F., & Augusto Isler, C. (2025). Influence of pedestrianization on travel behavior changes: a case study of Montreal. Journal of Transport & Health, 44, 102123 (16 pages). Lien externe
Ghavami, S., Naseri, H., & Safi Jahanshahi, F. (2025). Enhanced prediction and uncertainty modeling of pavement roughness using machine learning and conformal prediction. Infrastructures, 10(7), 166 (24 pages). Disponible
Naseri, H., Ciari, F., Cloutier, M.-S., & Patwary, A. U. Z. (2025). Barriers to car-free streets: identifying opponents of pedestrianization in Montreal. Cities, 165, 106178 (13 pages). Disponible
Asl-Javadian, M., Wang, B., Waygood, O., Naseri, H., & Ji, X. (2025). Moral Reframing Effects on Willingness to Pay for Greenhouse Gas Emissions Reduction. Lecture notes in civil engineering, 153-169. Présentée à Canadian Society for Civil Engineering Annual Conference (CSCE 2024), Niagara Falls, ON, Canada. Lien externe
Patwary, A. U. Z., Ciari, F., Bakhtiari, A., & Naseri, H. (2025). Framework for Sequential Charging Facility Location Estimation Problem in Urban Land Use Setting Final Report. (Rapport technique). Lien externe
Dammak, B., Ciari, F., Jaoua, A. M., & Naseri, H. (juillet 2023). Investigating of machine learning's capability in enhancing traffic simulation models [Communication écrite]. World Conference on Transport Research (WCTR 2023), Montréal, Québec. Publié dans Transportation Research Procedia, 82. Disponible
Naseri, H., Safi Jahanshahi, F., & Gandomi, A. H. (2025). Machine learning approaches for RCPT modeling of concrete. Construction and Building Materials, 492, 143126. Lien externe
Naseri, H., Waygood, O., Patterson, Z., Alousi-Jones, M., & Wang, B. (2024). Travel mode choice prediction: developing new techniques to prioritize variables and interpret black-box machine learning techniques. Transportation Planning and Technology, 48(3), 582-605. Disponible
Naseri, H., Waygood, O., Patterson, Z., & Wang, B. (2024). Who is more likely to buy electric vehicles? Transport Policy, 155, 15-28. Disponible
Naseri, H., Waygood, O., Patterson, Z., & Wang, B. (2024). Which variables influence electric vehicle adoption? Transportation, 38 pages. Disponible
Habibi, O., Youssef, T., Naseri, H., & Ibrahim, K. (2024). Ensemble Learning Models for Prediction of Punching Shear Strength in RC Slab-Column Connections. Civil Engineering Journal, 10, 1-20. Lien externe
Ehsani, M., Ostovari, M., Mansouri, S., Naseri, H., Jahanbakhsh, H., & Nejad, F. M. (2024). Machine learning for predicting concrete carbonation depth: A comparative analysis and a novel feature selection. Construction and Building Materials, 417, 17-17. Lien externe
Naseri, H., Aliakbari, A., Javadian, M. A., Aliakbari, A., & Waygood, O. (2024). A novel technique for multi-objective sustainable decisions for pavement maintenance and rehabilitation. Case Studies in Construction Materials, 20, 03037 (17 pages). Lien externe
Jahanbakhsh, H., Moghadas Nejad, F., Khodaii, A., Karimi, M. M., & Naseri, H. (2024). Sustainable Induction-Heatable Cold Patching Using Microwave and Reclaimed Asphalt Pavement. Journal of Materials in Civil Engineering, 36(3), 22 pages. Lien externe
Naseri, H. (2023). Optimizing Machine Learning Techniques to Better Understand Sustainability in Transportation Planning [Thèse de doctorat, Polytechnique Montréal]. Disponible
Wang, B., Waygood, O., Ji, X., Naseri, H., Loiselle, A. L., Daziano, R. A., Patterson, Z., & Feinberg, M. (2023). How to effectively communicate about greenhouse gas emissions with different populations. Environmental Science & Policy, 147, 29-43. Disponible
Sun, Y., Dong, Y., Wang, D., Waygood, O., Naseri, H., & Nishii, K. (2023). Correlation between travel experiences and post-COVID outbound tourism intention: a case study from China. Journal of Zhejiang University-SCIENCE A, 14 pages. Lien externe
Dong, Y., Sun, Y., Wang, D., Waygood, O., Naseri, H., & Jiang, Y. (décembre 2023). How daily mobility and public transport use affect travel satisfaction : evidence from Hangzhou, China [Communication écrite]. 27th International Conference of Hong Kong Society for Transportation Studies: Transport and Equity (HKSTS 2023), Hong Kong. Non disponible
Naseri, H., Waygood, O., Wang, B., & Patterson, Z. (2023). Interpretable Machine Learning Approach to Predicting Electric Vehicle Buying Decisions. Transportation Research Record, 14 pages. Lien externe
Ghavami, S., Alipour, Z., Naseri, H., Jahanbakhsh, H., & Karimi, M. M. (2023). A New Ensemble Prediction Method for Reclaimed Asphalt Pavement (RAP) Mixtures Containing Different Constituents. Buildings, 13(7), 30 pages. Disponible
Naseri, H., Shokoohi, M., Jahanbakhsh, H., Karimi, M. M., & Waygood, O. (2023). Novel Soft-Computing Approach to Better Predict Flexible Pavement Roughness. Transportation Research Record, 2677(10), 246-259. Lien externe
Naseri, H., Waygood, O., Wang, B., & Patterson, Z. (2022). Application of Machine Learning to Child Mode Choice with a Novel Technique to Optimize Hyperparameters. International Journal of Environmental Research and Public Health, 19(24), 16844 (19 pages). Lien externe
Dong, Y., Waygood, O., Wang, B., Huang, P., & Naseri, H. (juin 2022). Insight into the nonlinear effect of Covid-19 on well-being in China: Commuting, a vital ingredient [Résumé]. 7th International Conference on Transport and Health (ICTH 2022) (1 page). Publié dans Journal of Transport & Health, 25, Supple. Lien externe
Dong, Y., Sun, Y., Waygood, O., Wang, B., Huang, P., & Naseri, H. (2022). Insight into the nonlinear effect of COVID-19 on well-being in China: Commuting, a vital ingredient. Journal of Transport & Health, 27, 101526 (15 pages). Lien externe
Sun, Y., Dong, Y., Waygood, O., Naseri, H., Jiang, Y., & Chen, Y. (2022). Machine-learning approaches to identify travel modes using smartphone-assisted survey and map application programming interface. Transportation Research Record, 2677(2), 385-400. Lien externe
Naseri, H., Jahanbakhsh, H., Foomajd, A., Galustanian, N., Karimi, M. M., & Waygood, O. (2022). A newly developed hybrid method on pavement maintenance and rehabilitation optimization applying Whale Optimization Algorithm and random forest regression. International Journal of Pavement Engineering, 13 pages. Lien externe
Naseri, H., Hosseini, P., Jahanbakhsh, H., Hosseini, P., & Gandomi, A. H. (2022). A novel evolutionary learning to prepare sustainable concrete mixtures with supplementary cementitious materials. Environment Development and Sustainability, 25(7), 5831-5865. Lien externe
Naseri, H., Waygood, O., Wang, B., Patterson, Z., & Daziano, R. A. (2022). A Novel Feature Selection Technique to Better Predict Climate Change Stage of Change. Sustainability, 14(1), 23 pages. Lien externe
