⬆⬆⬆ 点击蓝字
关注我们
AI TIME欢迎每一位AI爱好者的加入!
前言:
给定一组单独的人员(例如行人,出租车司机)的历史轨迹以及由特定人员生成的一组新轨迹,轨迹识别问题旨在验证传入的轨迹是否是由所要求的人员产生。这个问题在许多实际应用中都很重要,例如出租车驾驶人员身份认证、汽车保险公司风险分析以及犯罪识别等。轨迹识别的现有工作除了需要轨迹数据之外,还需要其他来源的数据,如传感器、摄像头等,但这些数据无法普遍获得且成本较高,且目前的工作只能局限于已有的人员身份识别,无法扩展至未经训练的人员。为了应对这些挑战,在这项工作中,作者首次尝试通过提出一种新颖而有效的框架时空孪生网络(ST-SiameseNet),仅从观察到的轨迹数据匹配人员身份。对于每个人员,作者从他们的轨迹中提取特征,来预测每个人轨迹的相似性。
论文原文链接:
https://www.aminer.cn/pub/5f03f3b611dc830562232050?conf=kdd2020
论文源码:
https://github.com/huiminren/ST-SiameseNet
任慧敏,美国伍斯特理工学院三年级博士生,导师Yanhua Li教授。研究兴趣为城市计算、时空数据挖掘。
一、前言
1.1
这个研究的现实意义
线上打车在现代社会越来越多的被应用,甚至说成为主流,行业从业人员多了之后,就显得鱼龙混杂,时不时的会有安全事故被报道。尽管现在的平台会对司机进行实名认证,但仍会发生李代桃僵的事情。于是作者提出了“Human Mobility Signature Identification”,即通过轨迹信息的挖掘,进而分析驾驶人的驾驶行为,最终判断驾驶人是否是同一人。
除了安全认证之外,这项技术在汽车的保险行业也有着发展前景,比如投保人与肇事者是否是同一人,或者是否有危险驾驶行为,例如酒驾,等等。
那么这项工作简单表述就是通过两段时间的轨迹信息,来判断这两个时间线中是否是同一个人。
1.2
前期工作
听着简单,可是实现过程却并不简单,在前期的工作中会遇到各式问题:
司机的身份认证,GPS轨迹之外还需要额外的数据,例如车载的摄像机,方向盘和刹车的传感器,成本高昂。
传统的聚类或者多分类模型去识别司机身份,但这类方法识别数量有限,无法满足现实需要。
泛化性不足,面对训练集外的数据束手无策。