第３５卷第２期重庆邮电大学学报（自然科学版）Ｖｏｌ．３５Ｎｏ．２２０２３年４月ＪｏｕｒｎａｌｏｆＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）Ａｐｒ．２０２３ＤＯＩ：１０．３９７９／ｊ．ｉｓｓｎ．１６７３⁃８２５Ｘ．２０２１１０１３０３５４融合时序和空间特征的车辆异常轨迹检测方法收稿日期：２０２１⁃１０⁃１３修订日期：２０２３⁃０３⁃０１通讯作者：夏英ｘｉａｙｉｎｇ＠ｃｑｕｐｔ．ｅｄｕ．ｃｎ基金项目：国家自然科学基金（４１９７１３６５）；重庆市高技术产业重大产业技术研发项目（Ｄ２０１８⁃８２）；重庆市教委重点合作项目（ＨＺ２０２１００８）ＦｏｕｎｄａｔｉｏｎＩｔｅｍｓ：ＴｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（４１９７１３６５）；ＣｈｏｎｇｑｉｎｇＨｉ⁃ｔｅｃｈＩｎｄｕｓｔｒｙＫｅｙＲ＆ＤＰｒｏｊｅｃｔ（Ｄ２０１８⁃８２）；ＴｈｅＫｅｙＣｏｏｐｅｒａｔｉｏｎＰｒｏｊｅｃｔｏｆＣｈｏｎｇｑｉｎｇＭｕｎｉｃｉｐａｌＥｄｕｃａｔｉｏｎＣｏｍｍｉｓｓｉｏｎ（ＨＺ２０２１００８）夏英，张安洁（重庆邮电大学计算机科学与技术学院，重庆４０００６５）摘要：针对基于序列建模的车辆异常轨迹检测方法轨迹空间特征提取不够充分而降低了检测效果这一问题，提出融合时序和空间特征的车辆异常轨迹检测方法，充分提取轨迹的时间与空间特征以提升异常轨迹检测精度。采用融合自注意力机制的堆叠序列自编码器，从网格化后的映射轨迹中提取轨迹时序特征；引入全连接神经网络，提取轨迹偏转量和行驶距离等空间特征；融合轨迹的时间和空间特征，进行异常轨迹检测以提升检测效果。实验表明，提出的方法在真实出租车数据集上的异常轨迹检测准确率优于９２％，Ｆ１评分优于８０％，与ＸＧＢｏｏｓｔ、ＩＢＡＴ、ＡＴ⁃ＤＣ和ＡＴＤ⁃ＲＮＮ方法相比，检测性能提升较为明显。关键词：异常轨迹检测；序列自编码器；自注意力机制；特征融合中图分类号：ＴＰ１８３文献标志码：Ａ文章编号：１６７３⁃８２５Ｘ（２０２３）０２⁃０２０２⁃０８ＶｅｈｉｃｌｅａｂｎｏｒｍａｌｔｒａｊｅｃｔｏｒｙｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｆｕｓｉｎｇｔｅｍｐｏｒａｌａｎｄｓｐａｔｉａｌｆｅａｔｕｒｅｓＸＩＡＹｉｎｇ，ＺＨＡＮＧＡｎｊｉ...
