一种基于车辆轨迹数据的深度学习异常检测方法

摘要

随着定位技术和基础设施的不断发展,车辆轨迹数据的采集变得更加容易,进而为异常轨迹的准确检测提供了更多的数据资源,成为轨迹数据挖掘中的重要研究方向之一。文章提出了一种基于深度学习的异常车辆轨迹检测方法,通过结合VAE,GRU和WGAN,实现了特征提取和轨迹异常检测的任务,同时构建了基于VAE结构的GRU特征学习模型,学习初始数据的近似分布,创新性地提出GRUWGAN模型,可实现轨迹数据异常特征提取,并对真实数据进行异常检测。实验结果表明,GRUWGAN模型在准确率、召回率和F1指标上均优于传统算法,可以有效地应用于车辆轨迹数据的特征提取和异常检测任务中。