智能AI
morning
用于城市行人流中传感器完整性的物理约束数字孪生：通过保形保证检测隐形虚假数据注入
摘要
arXiv:2609.17635v1 Announce Type: new Abstract: City pedestrian counting systems now feed economic indicators, planning decisions and safety operations, yet the twins built on top of them treat the in...
the
and
graph
that
pedestrian
from
flow
than
against
what
2026-09-17
1 阅读
约1分钟阅读
Oscar Mogollon Gutierrez, Fatemeh Ghasemi, Mohammadhossein Homaei, Andres Caro, Mar Avila
字号:
arXiv:2609.17635v1 公告类型：新 摘要：城市行人计数系统现在提供经济指标、规划决策和安全操作，但建立在其之上的双胞胎将传入流视为地面事实。我们研究当情况并非如此时会发生什么。我们将城市规模的行人感知的隐形虚假数据注入形式化，其中从潜在流到观察的地图比具有隐形特征的电力和供水网络中的等级缺陷要严重得多。我们的双胞胎估计步行街图上的定向流量，通过学习的图本地化增益同化计数，并针对耦合计量和未计量路段的流量守恒残差进行训练。检测将创新与残差结合起来，警报阈值是通过自适应保形校准而不是手动设置的。为了衡量物理性能，我们定义了攻击裕度，即估计流场最坏情况损坏的相对减少，这是针对直接通过孪生优化的白盒对手而实现的。根据墨尔本六年的数据，在只有 1.18% 的步行路段进行计量的网络上，针对单个受感染设备的裕度达到 0.54，当三分之一的车队受到损害时，裕度降至 0.19。用距离图替换街道图会将其压缩为 0.09，这表明增益来自守恒定律而不是局部性。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱