Key points are not available for this paper at this time.
تكنولوجيا المركبات المتصلة والذاتية القيادة (CAVs) لديها القدرة على تحويل نظام النقل. على الرغم من أن هذه التقنيات الجديدة لديها العديد من المزايا، إلا أن تنفيذها يثير مخاوف كبيرة بشأن السلامة والأمن والخصوصية. يمكن أن تؤدي الشذوذ في بيانات المستشعر الناتجة عن الأخطاء أو الهجمات الإلكترونية إلى حوادث خطيرة. لمعالجة هذه القضية، اقترحت هذه الدراسة خوارزمية مبتكرة للكشف عن الشذوذ، وهي مشفر LSTM مع نموذج خليط غاوسي (LAGMM). يدعم هذا النموذج الكشف عن مسارات CAV الشاذة في الوقت الحقيقي من خلال استغلال قدرات التواصل لمستشعرات CAV. يتم تطبيق مشفر LSTM لتوليد تمثيلات منخفضة الدرجة وإعادة بناء الأخطاء لكل نقطة بيانات مدخلة، بينما يتم استخدام نموذج الخليط الغاوسي (GMM) لقوته في تقدير الكثافة. تم تحسين النموذج المقترح بشكل مشترك لمشفر LSTM وGMM في نفس الوقت. تستخدم الدراسة بيانات CAV واقعية من تجربة تكوين أُجريت لتطبيقات البحث التعاوني للتنقل الآلي (CARMAs). تشير نتائج التجربة إلى أن أسلوب LAGMM المقترح يعزز دقة الكشف بنسبة 3% والدقة بنسبة 6.4% مقارنة بالأساليب الحالية الرائدة، مما يشير إلى تحسين كبير في هذا المجال.
قام وانغ وآخرون (خميس) بدراسة هذا السؤال.