地理空间视角下融合规则与模式的目标异常交通行为检测方法
文献类型：期刊论文
| 作者 | 罗霄月1,4; 程诗奋1,4; 王艳慧2,5; 郭胜敏3; 陆锋1,4 |
| 刊名 | 地球信息科学学报
 |
| 出版日期 | 2026-01-04 |
| 卷号 | 28期号:01页码:174-193 |
| 关键词 | 监控视频 交通场景 轨迹聚类 行为模式挖掘 地理空间 异常行为检测 |
| ISSN号 | 1560-8999 |
| 产权排序 | 1 |
| 英文摘要 | 【目的】复杂交通场景中的异常行为检测对公共安全监管至关重要。现有方法主要依赖实时轨迹来检测目标的交通违规行为，未充分利用目标历史轨迹数据，难以自动识别偏离正常模式的异常行为。【方法】本文提出了一种融合交通规则与行为模式的目标异常行为综合探测方法（TraB）。该方法基于道路网拓扑结构提取目标轨迹方位信息，并通过方位聚类算法分析多帧历史轨迹，识别目标行为模式。在此基础上，建立视频图像空间和地理空间之间的映射关系，结合交通规则与目标行为模式，构建了实时与历史轨迹协同分析的综合探测框架，从时间、地点、目标类型和行为模式4个维度多层次分析目标异常行为。【结果】基于2023年河南省信阳市采集的2个真实交通监控视频数据集（共约1.5 h视频、120万个轨迹点）的实验结果表明，TraB方法在精准率（P）、召回率（R）及F1分数等综合检测精度指标上，均显著优于基于低层视频特征的方法（LowF）、基于移动目标轨迹的方法（TraM）和基于深度学习的方法（DeeL）。具体而言，TraB的综合检测指标（P、R、F1）相较于LowF、TraM和DeeL，平均提升幅度分别达到了11.39%～17.81%、14.09%～20.62%和10.06%～23.40%。此外，TraB在复杂交通场景中表现出更高的稳健性，其评估指标标准差相较于LowF、TraM和DeeL最多降低了60.93%。同时，TraB具备智能化检测能力，能够有效识别偏离正常行为模式的异常，为交通场景中的目标行为监测提供了新的研究视角。 |
| URL标识 | 查看原文 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/219579]  |
| 专题 | 资源与环境信息系统国家重点实验室_中文论文 |
| 通讯作者 | 程诗奋 |
| 作者单位 | 1.中国科学院大学; 2.首都师范大学三维信息获取与应用教育部重点实验室; 3.北京掌行通信息技术有限公司 4.中国科学院地理科学与资源研究所地理信息科学与技术全国重点实验室; 5.首都师范大学资源环境与旅游学院; |
| 推荐引用方式 GB/T 7714 | 罗霄月,程诗奋,王艳慧,等. 地理空间视角下融合规则与模式的目标异常交通行为检测方法[J]. 地球信息科学学报,2026,28(01):174-193. |
| APA | 罗霄月,程诗奋,王艳慧,郭胜敏,&陆锋.(2026).地理空间视角下融合规则与模式的目标异常交通行为检测方法.地球信息科学学报,28(01),174-193. |
| MLA | 罗霄月,et al."地理空间视角下融合规则与模式的目标异常交通行为检测方法".地球信息科学学报 28.01(2026):174-193. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。