【论文速递】：老驾驶员轨迹数据中的异常行为检测

给定道路网络和一组轨迹数据，异常行为检测 （ABD） 问题是识别在行程中表现出明显方向偏差、急刹车和加速的驾驶员。ABD 问题在许多社会应用中都很重要，包括轻度认知障碍 （MCI） 检测和老年驾驶员的安全路线建议。由于时间细节轨迹数据集的规模很大，ABD 问题在计算上具有挑战性。在本文中，我们提出了一种边缘属性矩阵，该矩阵可以表示时间详细的轨迹数据集的关键属性并识别异常驾驶行为。使用真实世界数据集的实验表明，我们的方法可以识别异常驾驶行为。

摘要：本文涉及的问题是在给定道路网络和一组轨迹数据的情况下，如何检测驾驶员在行程中表现出的显著方向偏差、急刹车和急加速等异常行为。这一问题在社会中有着广泛的应用，尤其与老年驾驶员的轻度认知障碍检测和安全路线推荐有关。由于轨迹数据集的大规模和时间详细性，这个异常行为检测问题在计算上是具有挑战性的。本文提出了一种边缘属性矩阵的方法，能够代表时间详细轨迹数据集的关键属性，并能够识别异常驾驶行为。通过真实世界数据集的实验证明了该方法的有效性。

引言：在给定道路网络和一组轨迹数据的背景下，异常行为检测问题旨在识别表现出显著方向偏差、急刹车和急加速的驾驶员。作者通过图形示例解释了问题的输入和输出，强调了他们提出的模型具有捕捉几何、方向和拓扑特征的优点。

应用领域：异常行为检测问题与识别老年驾驶员认知障碍有关。老年驾驶员在行程中面临许多挑战，如错过路线、错误转弯、迷失方向等。一些行程呈现循环模式，并且显著偏离预定路径。但并非所有偏离都是异常的，有可能是由于各种原因，如道路封锁、交通拥堵或紧急情况导致的正常行为。文中提到了老年驾驶员在行程中可能选择正确的路线，但却频繁进行急加速的情况，这可能是认知混乱或对