基于自编码网络的移动轨迹异常检测

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.

关键词：自编码网络、异常检测、移动轨迹、深度学习

所属期刊栏目：26

分类号：TP393.01(计算技术、计算机技术)

资助基金：国家重点研发计划项目2018YFB0505300

在线出版日期：2019-11-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：41-44,52