Ayub Sabir
PulseAugur coverage of Ayub Sabir — every cluster mentioning Ayub Sabir across labs, papers, and developer communities, ranked by signal.
-
新框架增强了对自动驾驶中细微GPS欺骗的检测能力
研究人员开发了一个名为高阶液体证据编码的新框架，以提高对自动驾驶系统中渐进式GNSS欺骗攻击的检测能力。该方法解决了细微攻击的挑战，在这种攻击中，单个GPS读数仍然是合理的，但与车辆运动的不一致会随着时间的推移而累积。通过分析残差信号及其通过自适应液体编码器的变化，该框架旨在提供更强大、更及时的检测这些不断演变的威胁。在AV-GPS数据集上的实验表明，该方法在识别欺骗转换方面具有较高的F1分数，证明了其有效性。
-
综述论文梳理了多模态大型智能体在交通系统中的应用证据
一篇新发表在arXiv上的综述论文分析了多模态大型智能体（LMAs）在智能交通系统（ITS）中的应用。该论文区分了不同类型的多模态和智能体，评估了2023年至2026年间发布的42项LMA研究的实证证据和部署就绪情况。论文总结认为，虽然LMAs在语义理解和工具协调等任务方面显示出潜力，但它们应作为现有专业系统或人工监督的补充，而非替代品，尤其是在数值预测、优化和安全关键功能方面。
-
人工智能研究探索智慧城市中的交通行为
本章探讨了人工智能（AI）在可持续智慧城市中理解和管理交通行为的应用。它提出了一种以行为为中心的AI方法，将出行数据和乘客反馈视为证据而非绝对真理。研究概述了四个关键领域：预测公交车到达时间、发现出租车出行模式、检测异常行为以及挖掘乘客感知的风险。这些被整合到一个闭环框架中，该框架强调数据质量、隐私、公平性、可解释性和人为责任，以实现成功部署。
-
研究人员提出社区调查中稀疏反事实干预的新方法
研究人员开发了一个新的框架，利用交通调查数据识别稀疏、政策可行的干预策略。该方法将任务构建为分布对齐问题，利用潜在表示将可控调查变量映射到干预优先级。该方法旨在通过学习促进政策杠杆稀疏性的可行调整，将特定受访者群体转移到期望的参考群体，并在真实数据集的实验中得到证明。