使用扩散地图检测行人轨迹的无监督模式和异常值检测

科学领域:

• 复杂系统科学 复杂系统科学
• 计算社会科学 计算社会科学
• 数据科学数据科学数据科学

背景情况:

• 了解行人群动态对于现实应用和对自动驾驶粒子系统的基本见解至关重要.
• 从轨迹数据分析个体运动路径在行人动力学研究中是一个重大挑战.
• 随着轨迹数据的可用性增加,需要有效的方法来识别关键人群动态特征.

研究的目的:

• 展示扩散图的实用性,一种无监督的多元学习技术,用于分析行人轨迹数据.
• 建立一个信息功能空间,用于使用轨迹衍生可观测的群众动态分析.
• 应用扩散地图来分析不同场景中的行人运动,包括体育场的轨道和房间的出口.

主要方法:

• 利用无监督多元学习技术的扩散地图来分析行人轨迹数据.
• 从单个运动路径定义了一组可观测的数据,以构建一个信息特征空间.
• 应用了扩散地图方法来分析来自体育场轨道和房间出口场景的数百个轨迹.

主要成果:

• 通过扩散地图分析,成功地恢复了控制行人系统动态的已知领先变量.
• 促进了实验和模拟数据集之间的人群动态的定性比较.
• 证明了该方法在行人轨迹内自动检测行为异常值的能力.

结论:

• 扩散地图提供了一种计算效率高,无监督的方法,用于从轨迹数据中分析行人动态.
• 该方法需要最低限度的先验知识,使其适合实时数据监测和初步分析.
• 这种方法推进了复杂人群行为的分析,并为行人动态研究领域做出了贡献.