原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
第30卷第3期现代计算机
2024年2月10日ModernComputer·71·
文章编号:1007⁃1423（2024）03⁃0071⁃05DOI:10.3969/j.issn.1007⁃1423.2024.03.011
基于注意力机制的车辆异常轨迹检测
柴曼妮*
（太原师范学院计算机科学与技术学院，晋中030619）
摘要：随着城市交通量的增大，安全隐患越来越多，车辆轨迹异常检测对于安全驾驶领域来说也越来越重要。为
了更好地提取轨迹的特征，在循环神经网络检测的基础上加入了卷积神经网络，利用卷积加循环的神经网络检测学习
轨迹序列信息，并且结合了注意力机制，通过这种技术结合的方法，进一步提高轨迹嵌入的质量。结果表明，该轨迹
异常检测方法的性能在各项指标上显著优于其他检测算法，验证了该异常检测方法的有效性和实用性。
关键词：车辆轨迹异常检测；循环神经网络；注意力机制
0引言算法对车辆轨迹数据进行建模和训练，从而识
别异常轨迹。常见的机器学习算法包括基于分
城市交通保障了居民出行的需要，承担着
类和聚类、支持向量机、随机森林等。苏建花
城市各类人群流动的集疏运任务，已成为联结
［3］
等对道路消耗进行建模，提出利用轨迹压缩
城市各处的纽带。由于生活和工作的需要，人［4］
和路网划分来进行检测。Kumar等提出了一种
们一时一刻也离不开交通。然而，随着国内许
分层聚类算法，用于将轨迹进行聚类，并将轨
多城市交通需求的不断增大，交通事故频发，［5］
迹数量较少的聚类结果判定为异常。Li等提出
给人们的出行埋下了安全隐患。尤其是对于出租
了一种基于运动规则的分类器，用离散模式片
车群体，不仅要考虑交通安全，还要预防欺诈。
段表示对象轨迹，构建好相应模型并进行分类。
因此，为了减少由于交通事件带来的各种损失，
随着深度学习技术的发展，神经网络也被
快速准确地对车辆进行轨迹异常检测必不可少。广泛应用于轨迹异常检测任务。常见的深度学
近年来，轨迹异常检测研究主要包括基于习算法包括卷积神经网络、循环神经网络等。
统计学的检测方法、基于机器学习的检测方法［6］
Ji等提出了基于长短期记忆神经网络（long
以及基于深度学习的检测方法。short⁃termmemory，LSTM）的轨迹建模，结合时
基于统计学的异常检测是通过对车辆轨迹［7］
空和语义信息进行检测。Alahi等基于LSTM预
数据的统计分析，识别出
文档评论（0）