AI中国 网 https://www.cnaiplus.com
背景
违章停车问题是现在大城市普遍需要面对的难题。随着汽车保有量增加，停车位供不应求，违章停车变得十分严重。目前检测违停常用的方法是交警巡逻。这样的方法耗费大量人力，且效率不高。此外，随着城市中摄像头的采用，基于视频的违停检测技术也开始推行。然而，摄像头及检测系统的部署和维护非常昂贵，最终也导致用于检测违停的摄像头覆盖率不足。
摩拜的兴起、摩拜的数据
幸运的是，近年共享单车兴起并广受欢迎。以摩拜为例，摩拜单车在北京拥有超过百万的订单。而摩拜单车的用户在使用过程中，记录了大规模、细粒度的非常有价值的轨迹信息。违章停车会对自行车的骑行线路产生影响，使其不同于正常骑行轨迹。如果在某一路段获得了大量模式类似的轨迹，就可以对当前路段是否有违章停车进行推测。
论文：Detecting Illegal Vehicle Parking Events using Sharing Bikes' Trajectories
论文链接：http://urban-computing.com/pdf/kdd2018illegalparking.pdf
摘要：违章停车是大城市中普遍存在的问题。违章停车引起交通拥堵，也会引发交通事故。传统的交警巡逻、摄像监控方案，会耗费的大量人力物力，很难覆盖整个城市。共享单车的兴起产生了大量且质量高的轨迹数据，为我们检测违章停车提供了新的机遇。因为我们观察到，大多数违章停车发生在路边，会对自行车骑行轨迹造成影响。为此，我们提出了基于共享单车轨迹数据的违章停车检测技术，该技术主要包含了两个模块：一是预处理模块，包含了有针对性的相应轨迹清洗、路网匹配、轨迹索引方案；二是检测模块，该模块对正常轨迹建模，从待测轨迹中提取特征，再通过假设检验方法检测违章停车。该系统部署于摩拜公司内部云平台。最后，我们会展示详细的实验与许多有意思的实地考察。
方法
系统主要分为两个模块，预处理和检测。
预处理模块主要分三个步骤：1. 通过停留点检测和速度限制清洗数据；2. 对单车轨迹进行地图匹配。与以往机动车轨迹地图匹配不同的是，该工作去掉路网中的高架路、道路方向限制和限速，以适应自行车轨迹。并且，论文介绍了基于平均距离和轨迹方向的错误匹配过滤方法，有效解决了自行车轨迹脱离路网（例如骑到居民区或者公园里的轨迹）的现象；3. 对已清洗、已匹配的轨迹数据，进行路段 ID 进行倒排索引建立，再以时间戳进行二级索引建立。以得到快的数据获取速度。
在检测模块，作者阐明了三个难点及应对方法：1. 为了应对违停检测正样本难获取性，和轨迹模式在违停时的多样性，该工作采用了单类学习（One-class Learning）的思想。即只学出正常情形，再进行
AI中国 网 https://www.cnaiplus.com
本文网址：
