Анализ сайта petrichor625.github.io
Основное Готовность: 95%
Домен
petrichor625.github.io
Состояние доменного имени
?
Проверяем корректность доменного имени и наличие технических проблем на уровне домена.
Используйте для продвижения только домен второго уровня.
Длина домена велика. Но если вы продвигаете запрос, входящий в название домена, то это хорошо.
Ответ сервера
200 Успешный ответ
HTTP-код ответа и цепочка редиректов
?
Код 200 — страница доступна. Коды 3xx — редиректы (цепочки замедляют загрузку и размывают ссылочный вес). Коды 4xx/5xx — ошибки, поисковик не сможет проиндексировать страницу.
Сервер настроен корректно.
Цепочка редиректов:
http://petrichor625.github.io
301 MovedPermanently
https://petrichor625.github.io/
200 OK
Безопасность
Сайт безопасен
Использование HTTPS и SSL-сертификат
?
HTTPS — обязательный стандарт. Google и Яндекс отдают предпочтение защищённым сайтам. Отсутствие SSL или просроченный сертификат ведут к предупреждениям в браузере и снижению позиций.
На сайте работает защищенный протокол ssl и сайт открывается по https.
Ssl-сертификат действителен до 04.10.2026 22:45:22.
Включён HSTS (Strict-Transport-Security) — защита от подмены на http.
HTTP автоматически перенаправляется на HTTPS.
Поздравляем! Сайт не содержится в реестре РКН.
Кодировка
utf-8
Кодировка символов страницы
?
Стандарт — UTF-8. Неправильная кодировка вызывает нечитаемые символы и мешает поисковику корректно распознать текст страницы.
Указана кодировка на странице utf-8.
Язык
Атрибут lang в HTML-теге
?
Атрибут lang (<html lang="ru">) сообщает поисковикам и браузерам, на каком языке написана страница. Помогает при ранжировании в региональном поиске.
Язык страницы не указан. Рекомендуется явно указать язык документа!
Скорость загрузки
~0,62сек
Время отклика сервера (TTFB)
?
Time To First Byte — время до получения первого байта от сервера. Норма до 200 мс. Медленный отклик ухудшает пользовательский опыт и ранжирование: Яндекс и Google учитывают скорость страниц.
Скорость загрузки сайта 0,62сек оптимальна.
Объем документа
99Кб
Размер HTML-кода страницы
?
Слишком большой HTML замедляет парсинг браузером и сканирование поисковым роботом. Рекомендуется не более 200 Кб.
Объем html-документа 99Кб оптимален.
Структура html-документа корректна.
Ресурсы
Ресурсы: 4
Внешние ресурсы страницы (CSS, JS, изображения)
?
Количество и тип подключённых ресурсов влияют на скорость загрузки. Большое число запросов увеличивает время рендеринга страницы.
Кол-во файлов ресурсов 4 достаточно.
Показать полный список ресурсов
| Тип | Название | Значение |
|---|---|---|
| js | assets/js/jquery.scrolly.min.js | |
| js | assets/js/jquery.min.js | |
| js | ./homepage_files/analytics.js | |
| js | text/javascript | //clustrmaps.com/globe.js?d=HiqDYfYQu-dAfkBwBWXS62QyHR2buAka_T7Sqk8QNnQ |
Серверные заголовки
Кол-во: 18
HTTP-заголовки ответа сервера
?
Заголовки сервера передают браузеру и поисковику служебную информацию: кеширование, безопасность (CSP, HSTS), сжатие (gzip). Правильная настройка ускоряет загрузку и повышает защищённость.
Найдены серверные заголовки 18шт. Подробнее про серверные заголовки.
Показать полный список серверных заголовков
| Ключ | Значение |
|---|---|
| Server | GitHub.com |
| Access-Control-Allow-Origin | * |
| Strict-Transport-Security | max-age=31556952 |
| ETag | "69a436a1-18cd0" |
| Cache-Control | max-age=600 |
| x-proxy-cache | MISS |
| x-github-request-id | E292:3F0643:3EA15DB:3F2CC5D:6A8AC442 |
| x-github-edge-region | fra |
| Accept-Ranges | bytes |
| Age | 0 |
| Date | Sun, 23 Aug 2026 09:58:26 GMT |
| Via | 1.1 varnish |
| X-Served-By | cache-fra-eddf8230074-FRA |
| X-Cache | MISS |
| x-cache-hits | 0 |
| x-timer | S1787479107.672191,VS0,VE103 |
| Vary | Accept-Encoding |
| x-fastly-request-id | 232f77520f9ed3e2b5f80416b36645491b51ecaf |
CMS
Не определена
Система управления сайтом (движок)
?
CMS — это движок, на котором работает сайт (WordPress, 1C-Bitrix, Tilda и др.). Знание CMS помогает понять возможности SEO-оптимизации и подобрать подходящие инструменты. «Не определена» — вероятно, самописный сайт или нестандартная сборка.
CMS не определена. Вероятно, сайт самописный либо движок надёжно скрыт. Это не ошибка.
Веб-сервер
GitHub.com
Программное обеспечение сервера
?
Веб-сервер — это ПО, которое отдаёт страницы посетителям (nginx, Apache, IIS, LiteSpeed и др.). Определяется по серверным заголовкам ответа (Server, X-Powered-By и т.п.). «Не определён» — сервер намеренно скрывает эти заголовки, это нормальная практика безопасности.
В заголовке Server указано: GitHub.com.
Мета-теги Готовность: 0%
Title
Haicheng Liao (廖海成) - Homepage
Заголовок страницы в браузере и поисковой выдаче
?
Title — главный SEO-заголовок страницы. Влияет на CTR в поиске и ранжирование. Оптимальная длина: 50–70 символов. Ключевые слова — ближе к началу.
Необходимо увеличить число символов в title (текущее значение: 30, оптимально: от 40 до 45)
Дублей словоформ в title не найдено.
Description
Описание страницы в поисковой выдаче (сниппет)
?
Meta Description — текст под заголовком в выдаче. Напрямую на позиции не влияет, но влияет на CTR. Оптимальная длина: 120–160 символов.
Установите мета-тег description!
Keywords
Haicheng LiaoLiao; University of Macau; UM; Autonomous Driving; Autonomous Vehicle; Transportation; Intelligent Transportation Systems; Transportation Safety; LLM; Multimodal Grounding
Список ключевых слов страницы (устаревший тег)
?
Meta Keywords не учитывается Яндексом и Google для ранжирования с 2009–2012 годов. Заполнение не обязательно, но не вредит. Конкурент может использовать содержимое для анализа.
Keywords установлены.
Канонический Url
Указывает поисковику основную версию страницы
?
Canonical (rel=canonical) предотвращает проблему дублей страниц. Должен точно совпадать с URL проверяемой страницы. Неправильный canonical может передать ссылочный вес на другую страницу.
Рекомендуем прописать канонический Url.
Robots
index,follow
Директивы для поисковых роботов на уровне страницы
?
Meta Robots управляет индексацией конкретной страницы: index/noindex — индексировать ли, follow/nofollow — следовать ли по ссылкам. Noindex полностью исключает страницу из поиска.
Meta-тег robots со значениями index, follow не накладывает ограничений на индексирование и показ контента.
Адаптивность
Настройка масштабирования на мобильных устройствах
?
Тег viewport (<meta name="viewport">) сообщает браузеру, как масштабировать страницу на мобильных. Стандарт: width=device-width, initial-scale=1. Отсутствие — признак отсутствия мобильной версии.
Meta-тег viewport не указан. Страница не адаптивная.
Разметка OpenGraph
Не найдено
Мета-теги для красивых превью в соцсетях
?
OpenGraph (og:title, og:description, og:image) управляет тем, как страница выглядит при репосте в социальных сетях и мессенджерах. Отсутствие OG-тегов — невзрачный превью при шеринге.
Разметка OpenGraph не задана. Страница не оптимизирована под социальные сети. Мета-теги с разметкой Og помогают социальным роботам лучше структурировать Ваш сайт.
Все мета-теги
Кол-во: 2
Полный список мета-тегов страницы
?
Таблица всех meta-тегов, включая нестандартные. Позволяет найти опечатки, дубли и лишние теги.
Найдены мета-теги 2шт. Мета-теги не видимы для человека и предназначены для обмена информацией между веб-страницей и поисковыми системами, браузерами и другими веб-службами. С ними роботы 🤖 и устройства ведут себя более ожидаемо.
Показать полный список мета-тегов
| Тип | Название | Значение |
|---|---|---|
| name | robots | index,follow |
| name | keywords | Haicheng LiaoLiao; University of Macau; UM; Autonomous Driving; Autonomous Vehicle; Transportation; Intelligent Transportation Systems; Transportation Safety; LLM; Multimodal Grounding |
Оптимизация Готовность: 80%
Структура
Ошибок нет
Семантические HTML-элементы страницы
?
Проверяет наличие основных структурных элементов: nav, header, footer, main. Корректная семантическая структура помогает поисковику понять архитектуру страницы.
Структура документа корректна (теги <html> и <body> присутствуют в единственном экземпляре).
Контент
Ошибок нет
Объём и качество текстового содержимого
?
Анализирует объём полезного текста на странице. Слишком мало — страница может считаться малополезной. Слишком много — ухудшается читаемость и восприятие.
Слова из title 3 встречаются в тексте достаточно.
Абзацев с текстом 49 достаточно.
Среднее число слов в абзаце 55 достаточно.
Кол-во знаков контента 25756 на странице оптимально.
Кол-во слов 3680 на странице оптимально.
Заголовки
Ошибок нет
Иерархия заголовков H1–H6
?
H1 должен быть один и содержать ключевой запрос. H2–H6 описывают подразделы. Пропуск уровней (H1 → H3) и несколько H1 — типичные ошибки, снижающие понятность страницы для поисковика.
На странице присутствуют заголовки <h1> 1. Это прекрасно.
На странице присутствуют заголовки <h2> 6. Это хорошо.
Тошнота
8,77
Насколько одно слово доминирует в тексте
?
Классическая тошнота = √(частота самого повторяющегося слова). Норма до 7–8: текст воспринимается естественно. Выше — поисковик может счесть страницу переспамленной.
Тошнота превышает норму 5. Измените текст страницы!
Академич. тошнота
16,41%
Насколько текст перенасыщен ключевыми словами
?
Академическая тошнота = (частота слова / общее количество слов) × 100%. Показывает долю конкретного слова в тексте. Норма 5–15%.
Академическая тошнота превышает норму 5-15%. Измените текст страницы!
Семантическое ядро
20
Наиболее часто встречающиеся слова на странице
?
Топ слов по частоте использования. Показывает, какие слова доминируют в тексте с точки зрения поисковика.
Контент страницы содержит осмысленный текст и слова.
Показать список слов
| Слово | Кол-во | Частота |
|---|---|---|
| haicheng | 77 | 2,09% |
| zhenning | 75 | 2,04% |
| chengzhong | 64 | 1,74% |
| autonomous | 60 | 1,63% |
| chengyue | 51 | 1,39% |
| driving | 43 | 1,17% |
| trajectory | 41 | 1,11% |
| conference | 41 | 1,11% |
| prediction | 38 | 1,03% |
| transportation | 30 | 0,82% |
| university | 29 | 0,79% |
| international | 28 | 0,76% |
| intelligence | 25 | 0,68% |
| yongkang | 22 | 0,60% |
| artificial | 22 | 0,60% |
| yanchen | 21 | 0,57% |
| transactions | 16 | 0,43% |
| accident | 15 | 0,41% |
| vehicles | 14 | 0,38% |
| huanming | 14 | 0,38% |
Индексация Готовность: 0%
Индексирование
Ошибок нет
Разрешено ли индексирование страницы
?
Проверяет, не закрыта ли страница от индексации через robots.txt, meta robots или X-Robots-Tag. Страница, закрытая от индексации, не появится в поисковой выдаче.
Анкоров на странице 115 оптимально. Поисковые роботы обязательно проиндексируют сайт.
Robots.txt
Не найден
Файл управления сканированием сайта роботами
?
Robots.txt указывает поисковым роботам, какие страницы сканировать, а какие — нет. Ошибки в файле могут случайно закрыть важные разделы от индексации.
Файл robots.txt не найден (ошибка 404). Крайне рекомендуем добавить файл robots.txt, это правило хорошего тона для поисковых роботов.
Sitemap
Кол-во: 0
XML-карта сайта для поисковиков
?
Sitemap.xml помогает поисковику быстрее находить и индексировать страницы. Особенно важен для крупных сайтов и новых страниц, на которые ещё нет входящих ссылок.
Robots.txt не содержит ссылку на карту сайта. Рекомендуется добавить карту сайта и указать ссылку на нее в robots.txt.
Внутренние ссылки
Кол-во: 19
Ссылки на другие страницы своего сайта
?
Внутренние ссылки распределяют ссылочный вес между страницами и помогают поисковику обходить сайт. Пустые анкоры и ссылки на запрещённые robots.txt страницы — типичные ошибки.
Внутренних ссылок на странице 19 оптимально.
Показать внутренние ссылки
| Url | Анкор | Состояние | Анализировать |
|---|---|---|---|
| /./index.html |
Home
|
|
Анализировать url |
| /./publications.html |
Publications
|
|
Анализировать url |
| /./Misc.html |
Misc.
|
|
Анализировать url |
| /yc27979@um.edu.mo |
Email
|
|
Анализировать url |
| /data/CAVG.pdf |
GPT-4 enhanced multimodal grounding for autonomous driving: Leveraging cross-modal attention with large language models
|
|
|
| /data/Diffusion.pdf |
Characterized Diffusion and Spatial-Temporal Interaction Network for Trajectory Prediction in Autonomous Driving
|
|
|
| /data/Crash.pdf |
CRASH: Crash Recognition and Anticipation System Harnessing with Context-Aware and Temporal Focus Attentions
|
|
|
| /data/Vision.pdf |
Human Observation-Inspired Trajectory Prediction for Autonomous Driving in Mixed-Autonomy Traffic Environments
|
|
|
| /data/Cognative.pdf |
A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving
|
|
|
| /data/CoT_Drive.pdf |
CoT-Drive: Efficient Motion Forecasting for Autonomous Driving with LLMs and Chain-of-Thought Prompting
|
|
|
| /data/SafeCast.pdf |
SafeCast: Risk-responsive motion forecasting for autonomous vehicles
|
|
|
| /data/Diffusion.pdf |
Characterized Diffusion and Spatial-Temporal Interaction Network for Trajectory Prediction in Autonomous Driving
|
|
|
| /data/Crash.pdf |
CRASH: Crash Recognition and Anticipation System Harnessing with Context-Aware and Temporal Focus Attentions
|
|
|
| /data/Vision.pdf |
Human Observation-Inspired Trajectory Prediction for Autonomous Driving in Mixed-Autonomy Traffic Environments
|
|
|
| /data/CoT_Drive.pdf |
CoT-Drive: Efficient Motion Forecasting for Autonomous Driving with LLMs and Chain-of-Thought Prompting
|
|
|
| /data/SafeCast.pdf |
SafeCast: Risk-responsive motion forecasting for autonomous vehicles
|
|
|
| /data/CAVG.pdf |
GPT-4 enhanced multimodal grounding for autonomous driving: Leveraging cross-modal attention with large language models
|
|
|
| /data/Cognative.pdf |
A Cognitive-Based Trajectory Prediction Approach for Autonomous Driving
|
|
|
| /data/ITS.pdf |
[Paper]
|
|
Внешние ссылки
Кол-во: 95
Ссылки на сторонние сайты
?
Исходящие внешние ссылки передают часть ссылочного веса на чужие сайты. Ссылки на авторитетные ресурсы безопасны; ссылки на мусорные сайты могут навредить репутации страницы.
Внешних ссылок на странице 95 слишком много. Спрячьте лишние ссылки в тег noindex или атрибут rel='nofollow'!
Показать внешние ссылки
| Url | Анкор | Анализировать |
|---|---|---|
| skliotsc.um.edu.mo |
State Key Laboratory of Internet of Things for Smart City
|
Анализировать url |
| um.edu.mo |
University of Macau
|
Анализировать url |
| scholar.google.com |
Google Scholar
|
Анализировать url |
| linkedin.com |
Linkedin
|
Анализировать url |
| github.com |
Github
|
Анализировать url |
| orcid.org |
ORCID
|
Анализировать url |
| um.edu.mo |
University of Macau
|
Анализировать url |
| fst.um.edu.mo |
Prof. Zhenning Li
|
Анализировать url |
| fst.um.edu.mo |
Prof. Chengzhong Xu
|
Анализировать url |
| skliotsc.um.edu.mo |
State Key Laboratory of Internet of Things for Smart City (SKL-IOTSC)
|
Анализировать url |
| fst.um.edu.mo |
HUMAN LAB
|
Анализировать url |
| uestc.edu.cn |
UESTC
|
Анализировать url |
| pubsonline.informs.org |
Transportation Science
|
Анализировать url |
| ieeexplore.ieee.org |
T-PAMI
|
Анализировать url |
| ieee-ras.org |
T-RO
|
Анализировать url |
| ieeexplore.ieee.org |
T-ITS
|
Анализировать url |
| cis.ieee.org |
T-AI
|
Анализировать url |
| ieeexplore.ieee.org |
T-IV
|
Анализировать url |
| sciencedirect.com |
COMMTR
|
Анализировать url |
| sciencedirect.com |
Information Fusion
|
Анализировать url |
| sciencedirect.com |
AAP
|
Анализировать url |
| cvpr.thecvf.com |
CVPR
|
Анализировать url |
| iccv.thecvf.com |
ICCV
|
Анализировать url |
| aaai.org |
AAAI (Oral)
|
Анализировать url |
| 2024.acmmm.org |
ACM MM (Oral)
|
Анализировать url |
| ijcai24.org |
IJCAI
|
Анализировать url |
| ecai2024.eu |
ECAI
|
Анализировать url |
| 2024.ieee-icra.org |
ICRA
|
Анализировать url |
| fst.um.edu.mo |
HUMAN LAB
|
Анализировать url |
| scholar.google.com |
[Google Scholar]
|
Анализировать url |
| pubsonline.informs.org |
Towards Human-Like Trajectory Prediction: A Behavior-Centric Approach
|
Анализировать url |
| ieeexplore.ieee.org |
SA‑TP<sup>2</sup>: A Safety-Aware Trajectory Prediction and Planning Model for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Think Before You Drive: World Model-Inspired Multimodal Grounding for Autonomous Vehicles
|
Анализировать url |
| ieeexplore.ieee.org |
WAKE: Towards Robust and Physically Feasible Trajectory Prediction for Autonomous Vehicles with WAvelet and KinEmatics Synergy
|
Анализировать url |
| arxiv.org |
When, Where, and What? A Novel Benchmark for Accident Anticipation and Localization with Large Language Models
|
Анализировать url |
| ojs.aaai.org |
BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Addressing Corner Cases in Autonomous Driving: A World Model-based Approach with Mixture of Experts and LLMs
|
Анализировать url |
| pubsonline.informs.org |
Towards Human-Like Trajectory Prediction: A Behavior-Centric Approach
|
Анализировать url |
| ieeexplore.ieee.org |
SA‑TP<sup>2</sup>: A Safety-Aware Trajectory Prediction and Planning Model for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Think Before You Drive: World Model-Inspired Multimodal Grounding for Autonomous Vehicles
|
Анализировать url |
| ieeexplore.ieee.org |
WAKE: Towards Robust and Physically Feasible Trajectory Prediction for Autonomous Vehicles with WAvelet and KinEmatics Synergy
|
Анализировать url |
| arxiv.org |
When, Where, and What? A Novel Benchmark for Accident Anticipation and Localization with Large Language Models
|
Анализировать url |
| ojs.aaai.org |
BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous Driving
|
Анализировать url |
| ijcai.org |
Physics-Informed Trajectory Prediction for Autonomous Driving under Missing Observation
|
Анализировать url |
| arxiv.org |
MFTraj: Map-Free, Behavior-Driven Trajectory Prediction for Autonomous Driving
|
Анализировать url |
| arxiv.org |
A Cognitive-Driven Trajectory Prediction Model for Autonomous Driving in Mixed Autonomy Environments
|
Анализировать url |
| arxiv.org |
Minds on the Move: Decoding Trajectory Prediction in Autonomous Driving with Cognitive Insights
|
Анализировать url |
| arxiv.org |
Chain-of-Thought Guided Multimodal Large Language Models for Scene-Aware Accident Anticipation in Autonomous Driving
|
Анализировать url |
| arxiv.org |
Real-time accident anticipation for autonomous driving through monocular depth-enhanced 3D modeling
|
Анализировать url |
| arxiv.org |
Less is More: Efficient Brain-Inspired Learning for Autonomous Driving Trajectory Prediction
|
Анализировать url |
| arxiv.org |
AMD: Adaptive Momentum and Decoupled Contrastive Learning Framework for Robust Long-Tail Trajectory Prediction
|
Анализировать url |
| arxiv.org |
NEST: A Neuromodulated Small-world Hypergraph Trajectory Prediction Model for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction
|
Анализировать url |
| arxiv.org |
E3AD: An Emotion-Aware Vision-Language-Action Model for Human-Centric End-to-End Autonomous Driving
|
Анализировать url |
| arxiv.org |
DEMO: A Dynamics-Enhanced Learning Model for Multi-Horizon Trajectory Prediction in Autonomous Vehicles
|
Анализировать url |
| arxiv.org |
Mitigating the impact of outliers in traffic crash analysis: A robust Bayesian regression approach with application to tunnel crash data
|
Анализировать url |
| nature.com |
World Model-Based End-to-End Scene Generation for Accident Anticipation in Autonomous Driving
|
Анализировать url |
| arxiv.org |
World Models for Autonomous Driving: An Initial Survey
|
Анализировать url |
| ieeexplore.ieee.org |
SA‑TP<sup>2</sup>: A Safety-Aware Trajectory Prediction and Planning Model for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Think Before You Drive: World Model-Inspired Multimodal Grounding for Autonomous Vehicles
|
Анализировать url |
| ieeexplore.ieee.org |
WAKE: Towards Robust and Physically Feasible Trajectory Prediction for Autonomous Vehicles with WAvelet and KinEmatics Synergy
|
Анализировать url |
| arxiv.org |
When, Where, and What? A Novel Benchmark for Accident Anticipation and Localization with Large Language Models
|
Анализировать url |
| ojs.aaai.org |
BAT: Behavior-Aware Human-Like Trajectory Prediction for Autonomous Driving
|
Анализировать url |
| ijcai.org |
Physics-Informed Trajectory Prediction for Autonomous Driving under Missing Observation
|
Анализировать url |
| arxiv.org |
MFTraj: Map-Free, Behavior-Driven Trajectory Prediction for Autonomous Driving
|
Анализировать url |
| arxiv.org |
A Cognitive-Driven Trajectory Prediction Model for Autonomous Driving in Mixed Autonomy Environments
|
Анализировать url |
| arxiv.org |
AMD: Adaptive Momentum and Decoupled Contrastive Learning Framework for Robust Long-Tail Trajectory Prediction
|
Анализировать url |
| arxiv.org |
NEST: A Neuromodulated Small-world Hypergraph Trajectory Prediction Model for Autonomous Driving
|
Анализировать url |
| arxiv.org |
Beyond Patterns: Harnessing Causal Logic for Autonomous Driving Trajectory Prediction
|
Анализировать url |
| arxiv.org |
E3AD: An Emotion-Aware Vision-Language-Action Model for Human-Centric End-to-End Autonomous Driving
|
Анализировать url |
| arxiv.org |
Less is More: Efficient Brain-Inspired Learning for Autonomous Driving Trajectory Prediction
|
Анализировать url |
| arxiv.org |
DEMO: A Dynamics-Enhanced Learning Model for Multi-Horizon Trajectory Prediction in Autonomous Vehicles
|
Анализировать url |
| pubsonline.informs.org |
Towards Human-Like Trajectory Prediction: A Behavior-Centric Approach
|
Анализировать url |
| arxiv.org |
Addressing Corner Cases in Autonomous Driving: A World Model-based Approach with Mixture of Experts and LLMs
|
Анализировать url |
| arxiv.org |
Minds on the Move: Decoding Trajectory Prediction in Autonomous Driving with Cognitive Insights
|
Анализировать url |
| arxiv.org |
Chain-of-Thought Guided Multimodal Large Language Models for Scene-Aware Accident Anticipation in Autonomous Driving
|
Анализировать url |
| arxiv.org |
Real-time accident anticipation for autonomous driving through monocular depth-enhanced 3D modeling
|
Анализировать url |
| arxiv.org |
Mitigating the impact of outliers in traffic crash analysis: A robust Bayesian regression approach with application to tunnel crash data
|
Анализировать url |
| arxiv.org |
World Models for Autonomous Driving: An Initial Survey
|
Анализировать url |
| nature.com |
World Model-Based End-to-End Scene Generation for Accident Anticipation in Autonomous Driving
|
Анализировать url |
| ascelibrary.org |
[Paper]
|
Анализировать url |
| ascelibrary.org |
[Paper]
|
Анализировать url |
| annualmeeting.mytrb.org |
[Paper]
|
Анализировать url |
| sciencedirect.com |
[Paper]
|
Анализировать url |
| arxiv.org |
[Paper]
|
Анализировать url |
| arxiv.org |
[Paper]
|
Анализировать url |
| dl.acm.org |
[Paper]
|
Анализировать url |
| scholar.google.com |
<b>Huanming Shen</b>
|
Анализировать url |
| scholar.google.com |
<b>Yongkang Li</b>
|
Анализировать url |
| scholar.google.com |
<b>Hanlin Kong</b>
|
Анализировать url |
| scholar.google.com |
<b>Xinpeng Qin</b>
|
Анализировать url |
| junxianyanguestc.github.io |
<b>Junxian Yang</b>
|
Анализировать url |
| wenxuanzeng.netlify.app |
<b>Wenxuan Zeng</b>
|
Анализировать url |
| scholar.google.com |
<b>Shangqian Liu</b>
|
Анализировать url |
| scholar.google.com |
<b>Bonan Wang</b>
|
Анализировать url |
Конкуренты Готовность: 0%
Конкуренты в Яндексе
Кол-во: 0
Топ сайтов-конкурентов в Яндексе
?
Сайты, чаще всего появляющиеся в ТОПе Яндекса по запросам из семантического ядра этой страницы.
Мы не нашли у вас конкурентов в Яндексе. Сайт или очень молодой или плохо продвигается.
Конкурентов в ТОП-10 Яндекса не нашлось.
Конкуренты в Google
Кол-во: 0
Топ сайтов-конкурентов в Google
?
Сайты, чаще всего появляющиеся в ТОПе Google по запросам из семантического ядра этой страницы.
Конкуренты в Google тоже не найдены. Займитесь продвижением сайта!
Конкурентов в ТОП-10 Google не нашлось.
ЗоЗПП: права потребителей Готовность: 100%
Нарушения
Не выявлены
Признаков дистанционной продажи товаров (интернет-магазина) не обнаружено — требования ЗоЗПП о раскрытии информации продавца к сайту не применяются. Нарушений нет.
ФЗ-149: рекомендательные технологии Готовность: 100%
Нарушения
Не выявлены
Рекомендательные блоки («с этим покупают», «похожие товары» и т.п.) на сайте не обнаружены — требования ст. 10.7 ФЗ-149 к сайту не применяются. Нарушений нет.
ФЗ-38: реклама Готовность: 100%
Нарушения
Не выявлены
Рекламных тематик с обязательными оговорками (медицина, БАД, кредиты и займы, новостройки) на сайте не обнаружено. Нарушений нет.
ФЗ-436: защита детей Готовность: 100%
Нарушения
Не выявлены
Признаков информационной продукции (новости, видео, книги, игры, курсы) не обнаружено — обязательная возрастная маркировка по ФЗ-436 сайту не требуется. Нарушений нет.
Вердикт
Сайт petrichor625.github.io не совсем готов к продвижению (процент готовности лишь 44%). Для попадания в ТОПы поисковых систем нужно:
Исправьте ошибки в мета-тегах.
Исправьте ошибки индексации.
Поделитесь с друзьями: