软件学报

作者：李超能，冯冠文，姚航，刘如意，李宇楠，谢琨，苗启广

单位：李超能，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007111,冯冠文，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007102,姚航，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007103,刘如意，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007104,李宇楠，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007105,谢琨，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007106,苗启广，西安电子科技大学 计算机科学与技术学院, 陕西 西安 710071;西安市大数据与视觉智能关键技术重点实验室 (西安电子科技大学), 陕西 西安 71007107

关键词：轨迹数据;异常检测;数据挖掘;机器学习;深度学习

基金：科技创新2030—“新一代人工智能”重大项目(2022ZD0117103);国家自然科学基金(62272364,62002271);陕西省重点研发计划(2020LSFP3-15);中国成人教育协会“十四五”成人继续教育科研规划重点课题(2021-414ZA);陕西高等继续教育教学改革研究课题(21XJZ004);广西可信软件重点实验室研究课题(KX202061);青岛市科技计划重点研发专项(21-1-2-18-xx)

传感器技术的飞速发展催生大量交通轨迹数据, 轨迹异常检测在智慧交通、自动驾驶、视频监控等领域具有重要的应用价值. 不同于分类、聚类和预测等轨迹挖掘任务, 轨迹异常检测旨在发现小概率、不确定和罕见的轨迹行为. 轨迹异常检测中一些常见的挑战与异常值类型、轨迹数据标签、检测准确率以及计算复杂度有关. 针对上述问题, 全面综述近20年来轨迹异常检测技术的研究现状和最新进展. 首先, 对轨迹异常检测问题的特点与目前存在的研究挑战进行剖析. 然后, 基于轨迹标签的可用性、异常检测算法原理、离线或在线算法工作方式等分类标准, 对现有轨迹异常检测算法进行对比分析. 对于每一类异常检测技术, 从算法原理、代表性方法、复杂度分析以及算法优缺点等方面进行详细总结与剖析. 接着, 讨论开源的轨迹数据集、常用的异常检测评估方法以及异常检测工具. 在此基础上, 给出轨迹异常检测系统架构, 形成从轨迹数据采集到异常检测应用等一系列相对完备的轨迹挖掘流程. 最后, 总结轨迹异常检测领域关键的开放性问题, 并展望未来的研究趋势和解决思路.

来源：2024年第2期

《软件学报》期刊编辑部

查看软件学报杂志2024年第2期