基于上下文的轨迹异常检测
机器学习
2024-10-28 v1
摘要
轨迹异常检测对于有效的城市和人类 mobility 管理决策至关重要。现有的轨迹异常检测方法通常侧重于训练轨迹生成模型并评估给定轨迹的重建概率。然而，前人的工作往往缺乏关于轨迹的重要上下文信息，例如代理人信息（如代理人 ID）或地理信息（如热点点位 POI），这些信息可能有助于更准确地捕捉异常行为。为填补这一空白，我们提出了一种基于上下文的方法，对轨迹相关的上下文信息进行建模。该方法基于由代理人 ID 和上下文 POI 嵌入等上下文因素引导的轨迹重建框架。注入上下文信息旨在提高异常检测性能。我们在两个城市进行了实验，结果表明，所提方法通过有效地建模上下文信息，显著优于现有方法。总体而言，本文为推动轨迹异常检测的发展指出了新的方向。
引用
@article{arxiv.2410.19136,
title = {Context-Aware Trajectory Anomaly Detection},
author = {Haoji Hu and Jina Kim and Jinwei Zhou and Sofia Kirsanova and JangHyeon Lee and Yao-Yi Chiang},
journal= {arXiv preprint arXiv:2410.19136},
year = {2024}
}