行为模式时空动态超图聚类的公共交通异常团体检测

来源：交通运输系统工程与信息杂志2025年第3期北京时间：

作者：赵霞, 李之红, 刘剑锋, 杨静, 吴梦琳, 秦伊萌

单位：1. 北京建筑大学，通用航空技术北京实验室，北京102616；2.北京城建交通设计研究院有限公司，北京100050

摘要：针对现有异常团体检测研究忽略刻画个体隐行为模式、邻域团体隐行为模式以及行为模式时序变化特性的现状，本文提出一个时空动态超图聚类(Spatio-temporal Dynamic Hypergraph Clustering, STDHC)模型。先提取个体在连续时间切片的出行特征矩阵序列，对应构建行为模式超图序列，刻画各时段下多个体的高阶关联特性；由此运用Transformer，从时间维度学习个体显性出行特征背后的隐行为模式；运用超图卷积网络，从空间维度学习邻域团体的隐行为模式；度量双向时间传播作用下的超图拓扑结构变化值，从时间变化维度捕捉个体行为模式的时序变化特性；利用注意力机制融合上述3类特征，更新超图卷积网络，实现团体的自动检测。将本文提出模型应用于公共交通扒窃团体的检测案例，通过系列对比、消融和鲁棒分析实验，证实能在连续时间步长下取得高于6种基线模型2%~6%的提升性能。研究成果可为智能检测公共交通场所异常团体和提升安全运营水平提供理论支撑。

关键词：智能交通,异常检测,深度学习,行为模式,超图卷积网络

基金资助：国家自然科学基金(52402377)；北京自然科学基金(9234025)；中国建设教育委员会项目(2023090)。