面向可解释共享出行系统异常检测

共享出行系统（如自行车共享网络）在城市交通中发挥着关键作用。识别这些系统中的异常现象对于优化运营、提高服务可靠性和提升用户体验至关重要。本文提出了一种可解释的异常检测框架，集成了来自自行车共享 trip 记录、天气条件和公共交通可用性的多源数据。采用孤立森林算法进行无监督异常检测，并引入基于深度的孤立森林特征重要性（DIFFI）算法提供可解释性。结果表明，站点级别的分析能够提供对异常现象的稳健理解，突出了诸如恶劣天气和有限公交可用性等外部因素的影响。我们的发现有助于改进共享出行运营中的决策-making。