作者：方华强; 颜寒祺; 陈波; 程承旗自编码网络异常检测移动轨迹深度学习
摘要：移动轨迹异常检测是指从一群轨迹中寻找偏离一般模式的轨迹。基于聚类的异常检测依赖成对轨迹的距离计算,其计算实时性差且异常检测准确率低。提出面向移动轨迹异常检测的自编码网络,该模型对一般模式的轨迹有鲁棒的向量化表达能力,能够重构出与原始轨迹相近的输出;而对于偏离一般模式的轨迹敏感,重构后的输出与原始轨迹的差异大。根据该差异可直接检测异常,无需计算轨迹间的距离。以出租车轨迹为研究对象,试验结果表明该模型有更高的F Score,并且在数据量较大时检测时间低于参照方法,因此在高动态、大数据量的场景具有更好的适用性。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
