http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
Anomalous Trajectory Detection Based on Seq2Seq Auto-Encoder
Kim, Hyun Soo(김현수),Kang, Jun Hyeok(강준혁),Moon, Ho Won(문호원),Lee, Jae Gil(이재길) 대한공간정보학회 2020 대한공간정보학회지 Vol.28 No.1
RNN 모델은 시계열 데이터를 활용하는 다양한 응용 분야에서 뛰어난 성능을 내며 시계열 데이터에 특화된 모델로 자리매김했다. 그러나 일반적인 시계열 데이터와 달리 이동경로들은 시공간 데이터로써 공간에 대한 정보도 고려해야 하므로 이에 특화된 특징 추출 방법이 필요하다. 따라서 본 연구에서는 단순히 시계열 데이터를 처리하는 Recurrent neural network(RNN) 계열의 모델을 구축하여 특징을 추출하는 것이 아니라 이동경로만의 구별되는 양질의 특징을 보다 효과적으로 추출할 수 있는 알고리즘을 설계하였다. 이를 위해 Seq2Seq 오토인코더 기반 모델을 구축하여 인간의 복잡한 이동성 특징을 효과적으로 추출하였고, 나아가 추출된 특징 벡터를 활용하여 일반적인 트렌드를 벗어나는 이상 이동경로를 효율적으로 탐지해 내었다. RNN model has become a specialized model for time-series data by showing outstanding performance in various application fields that use the time-series data. However, unlike the common time-series data, the trajectory data is a spatio-temporal data that contains both spatial and temporal information so the trajectory data requires a specialized methodology for feature extraction that utilizes both spatial and temporal characteristics. Because simply constructing a RNN type model is insufficient for efficient feature extraction, we propose Seq2Seq Auto-Encoder based model that effectively captures distinctive high-quality features and movement characteristics from the trajectories. Our proposed Seq2Seq Auto-Encoder based model to extract complicated movement features and use extracted feature vectors to detect outlying trajectories.