通过行为建模寻找驾驶员非法替代活动的出租车
计算机与社会
2024-04-19 v1
摘要
在城市生活中，出租车的非法驾驶员替代（IDS）活动是出租车行业的严重违法行为，可能导致严重的交通事故和社会反响。当前，IDS 活动由执法人员手动监督，即执法人员挑选一辆出租车进行检查。这种方案的紧迫问题是执法人员数量有限而出租车数量庞大的困境。本文受此问题启发，我们提出一种计算方法，帮助执法人员高效地寻找倾向于进行 IDS 活动的出租车。首先，我们的方法将 IDS 活动的识别转化为监督学习任务。其次，提出两种出租车驾驶员行为，即睡眠时间与位置（Sleeping Time and Location，STL）行为和 pickup（PU）行为。其次，提出对自相似性的多尺度池化，用于将个体行为编码为所有出租车的通用特征。最后，提出一种多组件-多实例学习（MC-MIL）方法，用于处理行为特征的不足问题并同时对齐行为特征。大量实验在真实数据集上表明，所提出的行为特征在不同分类器之间具有良好的泛化能力，所提出的 MC-MIL 方法抑制了基线方法。
引用
@article{arxiv.2404.11844,
title = {Finding A Taxi with Illegal Driver Substitution Activity via Behavior Modelings},
author = {Junbiao Pang and Muhammad Ayub Sabir and Zhuyun Wang and Anjing Hu and Xue Yang and Haitao Yu and Qingming Huang},
journal= {arXiv preprint arXiv:2404.11844},
year = {2024}
}