基于深度学习的车辆轨迹重建与异常轨迹识别

作     者：黄士琛 邵春福 李娟 张小雨 钱剑培 HUANG Shi-chen;SHAO Chun-fu;LI Juan;ZHANG Xiao-yu;QIAN Jian-pei

作者机构：北京交通大学综合交通运输大数据应用技术交通运输行业重点实验室北京100044 

出 版 物：《交通运输系统工程与信息》 (Journal of Transportation Systems Engineering and Information Technology)

年 卷 期：2021年第21卷第3期

页      面：47-54页

核心收录：

学科分类：08[工学] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金(52072025) 

主　　题：智能交通 异常轨迹识别 深度学习 轨迹数据 轨迹重建 数据增强 

摘      要：车辆移动轨迹的不确定性及异常点段的存在使其在数字交通领域的应用面临挑战。本文构建基于数据增强的LSTM-AE-Attention深度学习模型,进行车辆轨迹重建和异常轨迹识别。首先,使用对抗生成网络和贝塞尔样条曲线从样本量和种类两方面扩充数据集,实现数据增强;其次,通过自编码网络与长短时记忆神经网络提取轨迹特征并完成轨迹重建;最后,结合自编码网络预训练和注意力机制构建异常识别模型。采用实际车辆轨迹数据测试,模型的评价指标明显优于支持向量机、随机森林和长短时记忆神经网络模型,重建实验中模型的决定系数为0.968,异常识别实验中模型的F1值较对比模型平均提升9.8%。结果表明,本文提出的模型可有效、可靠地运用于平滑车辆轨迹数据和纠正异常车辆轨迹。