本研究探讨如何自动优化车辆网络中Ad hoc按需向量路由协议的设置。实验表明，采用进化算法和群体智能的多目标软计算算法，其配置优于其他方案，且并行版本效率超过87%。

本研究解决了公共交通在通勤流量增加时面临的服务中断管理问题。提出了一种复原力即服务（RaaS）策略的优化模型，旨在有效分配资源并降低运营商和乘客的成本。案例研究表明，该模型在降低成本和提高利益相关者满意度方面表现优越，优化了中断期间的交通管理。

应用层次图和斯塔克伯格博弈探讨警方资源有限时打击犯罪分子的有效策略，结果表明该方法在短时间内能够高效解决复杂问题。

该论文介绍了一种新的方法，利用条件生成对抗网络和图神经网络，从2D交通模拟和录制的路口画面中创建逼真的图片，缩小“模拟-实际”之间的差距。该方法为交通图像数据集的应用提供了贡献，从数据增强到城市交通解决方案。论文还提供了一个应用程序来测试该模型的能力。

通过异步多智能体强化学习，我们研究了驾驶导航应用程序中的数据操纵攻击对交通网络和驾驶路线选择的影响。

Braess悖论表明，增加交通网络中的道路可能导致整体效率下降。例如，修建虫洞吸引更多车辆，反而使每辆车的通行时间增加。这说明局部最优解不等于全局最优解，修路可能加剧交通拥堵，形成恶性循环。

Braess悖论表明，增加交通网络中的一条道路可能导致整体效率下降。尽管新路看似能缓解拥堵，实际上却吸引更多车辆，导致每辆车的行驶时间增加。这一现象表明局部最优解并不等于全局最优解，反映了资源投入未必能解决社会问题。