在线不卡,在线天堂种子,91瑟瑟

大數據告訴你：公交車上誰是小偷？

轉帖|行業資訊|編輯：我只采一朵|2017-07-05 13:31:35.000|閱讀 151 次

概述：本文通過對北京智能公交一卡通數據的分析研究，根據異常交通記錄分析來抓小偷。

論文簡介：在舊金山舉行的KDD2016學術會議上，羅格斯大學的Hui Xiong等學者向大家報告了他們的研究論文“Catch Me If You Can:Detecting Pickpocket Suspects from Large-Scale Transit Records”。論文報道在2014年的前9個月就有350個扒手在地鐵交通系統上被抓，490個扒手在公交車上被抓。因此，他們對北京智能公交一卡通數據的分析研究，根據異常交通記錄分析來抓小偷。共使用了北京市2014年4-6月三個月間600萬乘客的約16億智能公交一卡通數據記錄。如下圖所示，Hui Xiong等將北京劃分為多個小的局部的功能區塊，并分析了896條地鐵線經過的44524個公交車站和18條地鐵線經過的320個地鐵站的數據。首先，從每個人的日常出現記錄中提取特征；然后，進行無監督的異常行人檢測和有監督的模式分類，從而挖掘出異常的出行軌跡。

方法的基本原理：如下圖我們可以看到很多從熱點區域Ａ到熱點區域Ｂ的交通軌跡，執行觀察這些軌跡我們可以看到“絕大多數的行人會選擇最優的交通方式（最短時間／距離，或者最少的換乘）”。但是，一個行人（嫌疑人）選擇的交通路線為Ａ－＞Ｃ－＞Ｄ－＞Ｂ，這是非常奇怪的，對上述異常行為需要進一步的仔細分析，如果該人的異常行為足夠多，那么他很可能是一名扒手。具體的識別小偷的方法細節請參考原文，本文的最后提供了下載的地址。

挖掘結果分析：

Hui Xiong公布了他們的研究結果，如下表所示，利用TS-SVM，可以達到92.7%的召回率（即能夠正確地識別出92.7%的小偷），但是遺憾的是他們的精確度有點低（也就是說算法的虛警率較高）。

另外，論文還給出了工作日早上8:00-11:00的四種出行模型，如下圖所示。

（a）正常的出行者，可以看出他們主要在居住地、工作地、途經區域活動。（b）旅游者，可以看出他們頻繁地訪問圓明園、天安門、南鑼鼓巷等景點區域。（c）購物者，可以看出他們主要訪問王府井、西單等購物區域。（d）扒手，他們是一種流浪的模式，沒有清晰的目的地，他們頻繁地換乘，隨機的停留，經常進行短途的出行。他們還（一段時間內）頻繁地訪問多種功能區：交通樞紐（例如西直門）、購物區（例如王府井）、景點（例如鼓樓）【哈哈，終于知道小偷喜歡去哪里了！！】。對于正常人而言，他們短時間內只訪問一個/一種功能區。

點擊閱讀