原文传递
基于VAE-LSTM模型的航迹异常检测算法*
| 题名： | 基于VAE-LSTM模型的航迹异常检测算法* |
| 作者： | 常吉亮;谢磊;赵建伟;杨洋 |
| 作者单位： | 武汉理工大学国家水运安全工程技术研究中心;武汉理工大学能源与动力工程学院 |
| 关键词： | 智能交通;航迹数据;异常检测;变分自编码器;无监督学习 |
| 摘要： | 为了检测出异常航迹数据从而提高航迹数据挖掘的精确性，将航迹异常检测转化为无监督学习问题，研究了基于VAE-LSTM的航迹异常检测算法。引入残差结构到LSTM中，建立残差门LSTM，通过将变分自编码器中的BP神经网络层替换为残差门LSTM层，实现对变分自编码器的改进，并构建了VAE-LSTM航迹异常检测模型。模型输入为航迹的速度、加速度、真航向和曲率半径运动特征，输出为航迹点特征的重建概率，重建概率小于概率阈值的航迹点为异常航迹点，包含异常航迹点的航迹判定为异常航迹。以长江水域内的航迹数据进行验证并与多种机器学习异常检测算法进行对比。VAE-LSTM航迹异常检测算法的召回率达到了0。935，F1值达到了0。940，各项指标均高于对比算法，验证了方法的有效性。 |
| 期刊名称： | 交通信息与安全 |
| 出版年： | 2020 |
| 期： | 06 |
| 页码： | 1-8 |
相关文献
检索历史
应用推荐
