基于低频 GPS 的长途巴士无监督异常停止检测
机器学习
2024-11-08 v1
摘要
在城市生活中，长途巴士因经济实惠而成为公共交通的便利选择，但也面临一个突出问题：发现巴士的异常停止，以便及时识别因非法路边接客而导致的安全风险。如何在 GPS 质量较差的情况下检测巴士异常停止，已成为迫在眉睫的难题。本文提出一种无监督方法，帮助交通管理者高效发现长途巴士的异常停止检测 (ASD)。具体而言，我们将 ASD 问题转化为无监督聚类框架，其中既包含正常停止也包含异常停止。首先，我们基于巴士速度约为线性变化的假设，提出了一种针对低频 GPS 的停止时长模型。随后，我们通过低秩假设将异常停止从正常停止点中剥离出来。该方法概念简单且高效，凭借低秩假设处理正常停止点的能力，我们的做法使领域专家能够从案例研究中发现巴士的异常停止。数据集和代码已公开于 https://github.com/pangjunbiao/IPPs。
引用
@article{arxiv.2411.04422,
title = {Unsupervised Abnormal Stop Detection for Long Distance Coaches with Low-Frequency GPS},
author = {Jiaxin Deng and Junbiao Pang and Jiayu Xu and Haitao Yu},
journal= {arXiv preprint arXiv:2411.04422},
year = {2024}
}