基于VAE-LSTM模型的航迹异常检测算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于VAE-LSTM模型的航迹异常检测算法

常吉亮, 谢磊, 赵建伟, 杨洋

文章导航 > 交通信息与安全 > 2020 > 38(6): 1-8

常吉亮, 谢磊, 赵建伟, 杨洋. 基于VAE-LSTM模型的航迹异常检测算法[J]. 交通信息与安全, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

引用本文:

常吉亮, 谢磊, 赵建伟, 杨洋. 基于VAE-LSTM模型的航迹异常检测算法[J]. 交通信息与安全, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

CHANG Jiliang, XIE Lei, ZHAO Jianwei, YANG Yang. An Anomaly Detection Algorithm for Ship Trajectory Data Based on VAE-LSTM Model[J]. Journal of Transport Information and Safety, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

Citation:

CHANG Jiliang, XIE Lei, ZHAO Jianwei, YANG Yang. An Anomaly Detection Algorithm for Ship Trajectory Data Based on VAE-LSTM Model[J]. Journal of Transport Information and Safety, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

常吉亮, 谢磊, 赵建伟, 杨洋. 基于VAE-LSTM模型的航迹异常检测算法[J]. 交通信息与安全, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

引用本文:

常吉亮, 谢磊, 赵建伟, 杨洋. 基于VAE-LSTM模型的航迹异常检测算法[J]. 交通信息与安全, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

CHANG Jiliang, XIE Lei, ZHAO Jianwei, YANG Yang. An Anomaly Detection Algorithm for Ship Trajectory Data Based on VAE-LSTM Model[J]. Journal of Transport Information and Safety, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

Citation:

CHANG Jiliang, XIE Lei, ZHAO Jianwei, YANG Yang. An Anomaly Detection Algorithm for Ship Trajectory Data Based on VAE-LSTM Model[J]. Journal of Transport Information and Safety, 2020, 38(6): 1-8. doi: 10.3963/j.jssn.1674-4861.2020.06.001

基于VAE-LSTM模型的航迹异常检测算法

doi: 10.3963/j.jssn.1674-4861.2020.06.001

武汉理工大学国家水运安全工程技术研究中心武汉 430063;武汉理工大学能源与动力工程学院武汉 430063
武汉理工大学国家水运安全工程技术研究中心武汉 430063
武汉理工大学国家水运安全工程技术研究中心武汉 430063;武汉理工大学能源与动力工程学院武汉 430063
武汉理工大学国家水运安全工程技术研究中心武汉 430063;武汉理工大学能源与动力工程学院武汉 430063

基金项目:

国家重点研发计划项目

中图分类号: U697.1
计量
- 文章访问数: 832
- HTML全文浏览量: 138
- PDF下载量: 14
- 被引次数: 0
出版历程
- 刊出日期: 2020-12-28

An Anomaly Detection Algorithm for Ship Trajectory Data Based on VAE-LSTM Model

摘要: 为了检测出异常航迹数据从而提高航迹数据挖掘的精确性,将航迹异常检测转化为无监督学习问题,研究了基于VAE-LSTM的航迹异常检测算法.引入残差结构到LSTM中,建立残差门LSTM,通过将变分自编码器中的BP神经网络层替换为残差门LSTM层,实现对变分自编码器的改进,并构建了VAE-LSTM航迹异常检测模型.模型输入为航迹的速度、加速度、真航向和曲率半径运动特征,输出为航迹点特征的重建概率,重建概率小于概率阈值的航迹点为异常航迹点,包含异常航迹点的航迹判定为异常航迹.以长江水域内的航迹数据进行验证并与多种机器学习异常检测算法进行对比.VAE-LSTM航迹异常检测算法的召回率达到了0.935,F1值达到了0.940,各项指标均高于对比算法,验证了方法的有效性.
- 智能交通 /
- 航迹数据 /
- 异常检测 /
- 变分自编码器 /
- 无监督学习

参考文献(0)

资源附件(0)

WeChat

点击查看大图

计量

文章访问数: 832
HTML全文浏览量: 138
PDF下载量: 14
被引次数: 0

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

版权所有《交通信息与安全》编辑部鄂ICP备05003336号-2

通信地址：湖北省武汉市武昌区和平大道1178号，武汉理工大学余家头校区 (430063)

联系电话：027-86580355电子邮箱：jtjsj@vip.163.com

本系统由北京仁和汇智信息技术有限公司开发