详情

原文传递出租车绕路行为辨识及其宏微观特征挖掘

论文题名：	出租车绕路行为辨识及其宏微观特征挖掘
关键词：	出租车;订单数据;移动轨迹;绕路行为辨识;特征挖掘
摘要：	出租车系统是城市公共交通系统的重要组成部分，其作为公交网络的良好补充，受到运输部门的严格监管。出租车所装载的 GPS（Global Positional System）设备，其所产生的海量的交通信息丰富的出租车移动轨迹数据，具有精度高、覆盖广、并且能够实时获得动态信息的特点，一方面为运输部门和相关研究者带来了大量的可用数据，丰富了出租车系统研究；另一方面，海量的出租车数据集又给非法运营行为的挖掘辨识和监管工作带来了困难。相对于那些蕴含着常规模式的海量、常见的正常数据，存在着一小部分数据带有更值得关注的信息，这些信息通常包含着少量的异常行为模式，与某种问题或罕见事件相关联。比如出租车绕路异常行为，这是出租车服务长期以来一直面临的挑战，即出租车司机通过故意绕路来延长行驶距离向乘客多收取费用，这对普通乘客来说难以察觉。目前大部分出租车的非法运营行为主要是通过经验丰富的工作人员根据乘客的投诉进行人工检查来检测的，这种方法低效且费时费力；且已有的异常检测系统在复杂的城市路网环境下，均存在着异常标准过于单一、结果误警率较高等问题和缺点。因此，随着当今智慧执法、非现场执法的推进，提出一个异常行为辨识框架来准确地识别异常订单以及出租车绕路轨迹成为确保出租车高服务质量的关键。　　本研究主要针对出租车系统中的非法运营行为，使用了出租车订单数据和轨迹数据，设计了一个绕路行为检测框架，实现了对异常订单和出租车绕路轨迹的准确识别以及对其宏观运营特征和微观运动特征的解析。在数据预处理方面，本研究首先进行了坐标转换、错误数据剔除、缺失属性补全等数据清洗工作，并对针对两种数据集的特点分别进行了区域网格化和轨迹网格化的处理；其次，对两种数据集分别进行了特征工程处理以及对轨迹数据的OD进行提取和分组统计，以作为后续研究的基础；基于以上的结果，本研究从宏观和微观层面提出了两个异常检测框架，分别是异常绕路订单检测框架和绕路轨迹检测框架，前者基于出租车订单数据，使用了 DBSCAN 的聚类和基于隔离森林的异常检测，并结合XGboost分类方法和Shapely值进行特征重要性评价，从各类异常行为中重点挖掘绕路行为，并分析绕路订单的宏观运营特征；后者基于出租车轨迹数据，提出一个绕路轨迹异常检测技术框架，将 iBAT 异常检测算法与DTW 轨迹相似性度量方法相结合提高检测率，并联系时空特征降低故意绕路行为识别的误检率，从微观层面对绕路轨迹进行特征分析；最后，本研究使用南京市营运小客车出行平台上产生的出租车订单数据和出租车车辆定位信息数据（轨迹数据）设计验证实验，对iBAT算法、iBAT+DTW 算法、以及在 iBAT+DTW算法的基础上考虑行驶距离和时间这三种方法，通过相关实验数据进行比较，最终的实验结果表明，本研究提出的方法对出租车绕路欺诈行为具有最低的误判率，较iBAT算法提高了18%。
作者：	杨佩云
专业：	交通运输工程
导师：	刘志远
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2022