| 一种基于重构误差的交通轨迹异常检测方法 |
| |
| 引用本文： | 李超能,冯冠文,刘如意,苗启广.一种基于重构误差的交通轨迹异常检测方法[J].计算机科学,2022,49(2):149-155. |
| |
| 作者姓名： | 李超能 冯冠文 刘如意 苗启广 |
| |
| 作者单位： | 西安电子科技大学计算机科学与技术学院 西安710071;西安市大数据与视觉智能关键技术重点实验室(西安电子科技大学) 西安710071 |
| |
| 基金项目： | 国家重点研发计划(2018YFC0807500)；;国家自然科学基金(61772396,61772392,61902296)；;陕西省自然科学基金(2020JQ-330,2020JM-195)；;中国博士后科学基金面上资助(2019M663640)； |
| |
| 摘 要： | 传感器技术的飞速发展催生了大量交通轨迹数据,轨迹异常检测在智慧交通、城市规划、道路监控等领域具有重要的应用价值。针对传统基于距离和有监督机器学习异常检测方法提取有效特征困难、容易出现过拟合、异常检测效果差等问题,提出了一种基于轨迹重构误差的无监督异常检测方法。该方法使用基于循环神经网络的自编码器对输入轨迹进行重构,通过最小化重构输出和原始输入之间的差异,使模型学习正常轨迹的运动特征。重构误差大于异常阈值的轨迹被判定为异常轨迹。为了避免人工标注异常,利用数据驱动的交通模拟方法,合成了包含不同异常类型的轨迹数据。基于交通轨迹标注数据的实验结果表明,该方法的异常检测性能在各项指标上显著优于传统基于距离的方法以及机器学习分类算法,验证了该无监督方法的有效性和实用性。
|
| 关 键 词： | 轨迹数据 异常检测 重构误差 自编码器 循环神经网络 |
Traffic Trajectory Anomaly Detection Method Based on Reconstruction Error |
| |
| LI Chao-neng,FENG Guan-wen,LIU Ru-yi,MIAO Qi-guang.Traffic Trajectory Anomaly Detection Method Based on Reconstruction Error[J].Computer Science,2022,49(2):149-155. |
| |
| Authors: | LI Chao-neng FENG Guan-wen LIU Ru-yi MIAO Qi-guang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
