【笔记】根据公交卡出行记录识别小偷

案例来源：@Bowen Du

案例地址：http://www.kdd.org/kdd2016/papers/files/adf0629-duA.pdf

（以下为案例的简要概述，便于之后能快速检索到相关内容。部分文字与图片可能直接来自原文，如有侵权请告知，谢谢）

1. 目标：根据公交卡出行记录识别小偷

2. 数据：

1）automated fare collection (AFC) systems的数据集（即北京智能公交一卡通数据），包括地铁与公交刷卡记录，在2014年4-6月共有600w用户的16亿条记录

2）根据新浪微博搜索，匹配到一些小偷的公交卡id

3）各个站点附近的POI数据，将其划入home、word、education等类别

3. 特征提取

1）出行时间

2）出行频率

3）短途出行占比（<3站的出行次数占所有出行次数的比例）：因为小偷会经常换路线避免被乘客抓到

4）出行模式：大部分出行都是有模式的，如早高峰是 住宅区→中转站→工作区，而小偷的出行会缺乏这种模式

5）高频访问地图：一些地区容易偷窃，而且小偷也喜欢在自己熟悉的区域下手

6）与常规出行的背离程度：给定出发点和目的，大部分人的路线差别不大，一般是距离最短或者时间最短，而小偷则不符合这个模式

7）历史行为：七日历史行为的中位数、平均数等

4. 识别小偷：因为正例负例规模差距大，一些监督学习算法会有苦难；使用无监督学习方法，容易产生大量误报

1）无监督学习：采用无监督学习做异常检测，如果是正常样本，则过滤掉，下一步骤中只对可能的异常样本做检测。这里采用正常的用户行为做one-class SVM，实现无监督的异常检测

2）有监督学习：缩小了样本后，征服例比例规模差距缩小，因此可以做有监督学习。这里采用SVM做有监督学习

5. 效果