缺失率: 2.5%
错误率: 1.0%
数据漂移: 0.3%
RMSE: 0.05
F1-score: 0.95
推理时间: 0.02 秒
恶意攻击尝试: 2 次
模型篡改风险: 0.1%
平均推理时间: 0.015 秒
最大推理时间: 0.03 秒
预测准确率: 98%
召回率: 96%
平均权重: 0.75
权重方差: 0.05
| 报告ID | 时间戳 | 风险类型 | 风险等级 |
|---|---|---|---|
| R202401150001 | 2024-01-15 10:00:00 | 数据质量 | 中 |
| R202401150002 | 2024-01-15 10:05:00 | 模型性能 | 高 |
| R202401150003 | 2024-01-15 10:10:00 | 安全风险 | 低 |
| R202401150004 | 2024-01-15 10:15:00 | 数据质量 | 高 |
收集摄像头、雷达等传感器数据，以及高精地图数据。
对收集到的数据进行清洗、对齐、校准等预处理操作。
提取交通参与者的位置、速度、方向等特征。
基于交通规则和周围环境，构建交通参与者之间的关系图。
使用 GNN 模型训练交通参与者关系建模。
使用测试数据评估 GNN 模型的性能。
根据关系图和 GNN 模型预测交通参与者的行为。
实时监控数据质量指标，例如缺失率、错误率等。
实时监控模型性能指标，例如 RMSE、F1-score 等。
实时监控安全风险事件，例如恶意攻击尝试、模型篡改风险等。