• 纽约市共享自行车的影响;
• 深度多模态图像再利用检测;
• 负载流方程的谱解;
• 从联网车辆间传输的基本安全信息提取的驾驶模式的波动性分析;
• 谁受到欺诈性评论的影响？在现实场景中分析对推荐系统的先令攻击;

纽约市共享自行车的影响

原文标题： Impact Of Bike Sharing In New York City

地址： http://arxiv.org/abs/1808.06606

作者： Stanislav Sobolevsky, Ekaterina Levitskaya, Henry Chan, Marc Postle, Constantine Kontokosta

摘要： 花旗自行车的部署改变了纽约市的城市交通状况，并提供了一个可扩展的解决方案的例子，许多其他大城市已经在全球范围内采用。正在考虑进行类似部署的城市利益相关者将大大受益于定量评估自行车共享对城市交通的影响，以及相关的经济，社会和环境影响。虽然花旗自行车使用数据是公开的，但这种评估的主要挑战是提供一个足够的基线情景，说明没有花旗自行车系统的城市会发生什么。现有的努力，包括花旗自行车本身的报告，在很大程度上意味着对人们本来会使用的替代交通方式的任意和通常不切实际的假设（例如通过比较自行车旅行与驾驶）。本文提供了一个基于交通选择模型的平衡基线情景，用于描述在没有花旗自行车系统的情况下预计的客户行为。该模型还承认花旗自行车可能用于娱乐目的，因此，如果花旗自行车不可用，并非所有旅行都会实际执行。该模型使用开放的花旗自行车和其他城市交通数据进行培训，用于评估花旗自行车旅行对最终用户以及纽约市和附近泽西市不同行政区的城市利益相关者的直接收益。除了估算旅行时间和节省成本外，该模型还报告了相关的天然气节约，减排和客户额外运动，涵盖了预期影响的所有三个方面 - 经济，社会和环境。

深度多模态图像再利用检测

原文标题： Deep Multimodal Image-Repurposing Detection

地址： http://arxiv.org/abs/1808.06686

作者： Ekraam Sabir, Wael AbdAlmageed, Yue Wu, Prem Natarajan

摘要： 社交媒体和其他平台上的邪恶角色经常通过其元数据（例如，字幕）被修改以提供谣言/虚假的视觉证据的图像传播谣言和谎言。这种类型的修改被称为图像重新调整，其中经常发布未操作的图像以及不正确或操纵的元数据以服务于演员的别有用心的动机。我们提出了多模态实体图像重新定位（MEIR）数据集，这是一个非常具有挑战性的数据集，以前可用于支持图像重新调整检测的研究。新数据集包括来自Flickr的真实数据的位置，人员和组织操作。我们还提出了一种新颖的，端到端的深度多模式学习模型，用于通过将从图像中提取的信息与来自知识库的相关信息相结合来评估图像的完整性。将所提出的方法与现有数据集以及MEIR的最新技术进行比较，其中它优于现有方法，AUC提高至0.23。

负载流方程的谱解

原文标题： Spectral solution of load flow equations

地址： http://arxiv.org/abs/1808.06906

作者： J. G. Caputo, A. Knippel, N. Retiere

摘要： 负载流方程是操作和规划电网的主要工具。对于传输或分配网络，这些方程可以简化为涉及图拉普拉斯算子和功率输入矢量的线性系统。我们用谱图论展示了如何有效地解决这个问题。该谱方法给出了网络和功率矢量的新几何视图。这个公式产生类似Parseval的关系，用于线路中功率的 L_2 范数。使用这种关系作为指导，我们表明功率矢量的少量特征向量分量足以获得解的估计。这将允许快速重新配置网络和更好的规划。

从联网车辆间传输的基本安全信息提取的驾驶模式的波动性分析

原文标题： Analysis of Volatility in Driving Regimes Extracted from Basic Safety Messages Transmitted Between Connected Vehicles

地址： http://arxiv.org/abs/1808.07014

作者： Asad Khattak, Behram Wali

摘要： 驾驶波动性捕获车辆行驶时的速度变化程度。极端纵向变化表示硬加速或制动。向驾驶员发出的警告和警报可以减少这种波动，从而可能提高安全性，能源使用和排放。该研究对危险预测和通知系统所需的瞬时驾驶决策有了基本的了解，并区分了正常驾驶和异常驾驶。在这项研究中，驾驶任务分为不同但尚未观察到的制度。研究问题是在典型的驾驶循环中表征和量化这些制度以及每个制度的相关波动性，探讨制度何时发生变化以及与每个制度相关的关键相关性。使用密歇根州安娜堡安全飞行员模型部署的基本安全信息（BSM）数据，估算了在多种道路类型上进行的多次行程的二态和三态动态马尔可夫切换模型。虽然正在测试数千台配备V2V和V2I通信系统的仪表车辆，但本研究分析了来自71辆仪表车辆进行的184次旅行的近百万份BSM记录。然后对在各种道路类型上进行的43次随机选择的旅行（N = 714,340 BSM记录）进行更详细的分析。结果表明，加速和减速是两种不同的制度，与加速度相比，驾驶员以更高的速率减速，制动比加速更明显。探讨了两种制度与瞬时驾驶情境的不同相关性。通过更通用的三制模型规范，结果显示高速加速，高速减速和巡航/常数作为表征典型驾驶循环的三种不同的制度。 （继续）

谁受到欺诈性评论的影响？在现实场景中分析对推荐系统的先令攻击

原文标题： Who is Really Affected by Fraudulent Reviews? An analysis of shilling attacks on recommender systems in real-world scenarios

地址： http://arxiv.org/abs/1808.07025

作者： Anu Shrestha, Francesca Spezzano, Maria Soledad Pera

摘要： 我们展示了对现实环境进行初步分析的结果，以量化先令攻击对推荐系统的影响。我们关注算法性能以及受这些攻击影响最大的用户类型。

声明：Arxiv文章摘要版权归论文原作者所有，由本人进行翻译整理，未经同意请勿随意转载。本系列在微信公众号“网络科学研究速递”（微信号netsci）和个人博客 https://netsci.complexly.cn （提供RSS订阅）进行同步更新。