10.3979/j.issn.1673-825X.202110130354
融合时序和空间特征的车辆异常轨迹检测方法
针对基于序列建模的车辆异常轨迹检测方法轨迹空间特征提取不够充分而降低了检测效果这一问题,提出融合时序和空间特征的车辆异常轨迹检测方法,充分提取轨迹的时间与空间特征以提升异常轨迹检测精度.采用融合自注意力机制的堆叠序列自编码器,从网格化后的映射轨迹中提取轨迹时序特征;引入全连接神经网络,提取轨迹偏转量和行驶距离等空间特征;融合轨迹的时间和空间特征,进行异常轨迹检测以提升检测效果.实验表明,提出的方法在真实出租车数据集上的异常轨迹检测准确率优于92%,F1评分优于80%,与XGBoost、IBAT、AT-DC和ATD-RNN方法相比,检测性能提升较为明显.
异常轨迹检测、序列自编码器、自注意力机制、特征融合
35
TP183(自动化基础理论)
国家自然科学基金;重庆市高技术产业重大产业技术研发项目;重庆市教委重点合作项目
2023-05-06(万方平台首次上网日期,不代表论文的发表时间)
共8页
202-209