华东资讯 | 智能公交卡怎么抓小偷? 准确率高达93%？
本帖最后由 华东江苏大数据 于 2016-8-30 17:09 编辑2016-08-30 华东江苏大数据 华东江苏大数据
华东江苏大数据
微信号 hdjsdsj2015功能介绍 开启数据便民时代，互动创造数据价值。
智能公交一卡通极大地方便了人们出行，研究人员又在开发它的新功能：抓小偷！他们在北京测试了这种大数据挖掘方法，结果成功地“验证”了近93%的小偷。美国罗格斯大学教授熊辉等人在旧金山举行的知识发现和数据挖掘大会上报告了这一成果。小偷是“流浪”出行模型 公交卡怎么帮忙抓小偷？据熊辉教授介绍，绝大多数乘客乘坐公交车或地铁出行时，会选择最优出行方案，要么用时最短，要么换乘次数最少；但有极少数人的乘车路线很奇怪，比如会绕行一大圈或者突然改变乘车路线，没有什么规律可言，如果某人的异常行为足够多，那么他有可能是小偷。
研究人员通过两个步骤分析北京市2014年4月至6月间约16亿次公交卡刷卡数据记录，共涉及约600万名乘客。第一步，他们把北京划分为居住、工作、教育、购物、娱乐、医疗等多个小功能区块，建立起包括896条公交路线、近4.5万个公交车站与18条地铁路线、320个地铁站的公共交通网络数据集，通过数据建模从庞大的公交卡记录中过滤掉普通乘客；第二步，结合从警方报告和微博上收集到的失窃信息，通过机器学习算法从异常出行信息中挖掘出潜在的小偷。
熊辉等人对四类人在工作日早上8：00-11：00的出行模型进行分析：正常的出行者，主要在居住地、工作地、途经区域活动；旅游者频繁地访问圆明园、天安门等景点区域；购物者主要访问王府井、西单等购物区域；小偷则是一种流浪的模式，他们没有清晰的目的地，频繁地换乘，随机地停留，经常进行短途的出行，他们还在一段时间内频繁出现在一些特定场所。能正确识别九成以上小偷 结果显示，如果以后来确认的小偷验证，按上述方法可以归为“行为异常”的准确率高达92.7%。但是反过来的精确度有点低：每筛选出14个“行为异常”的可疑者，只有1人后来被确认为小偷。 尽管如此，熊辉认为，使用闭路摄像头监控少部分可疑者远比追踪数以百万计的乘客更高效。但是如果小偷频繁换用公交卡呢？他说，就算换卡也有办法，比如小偷经常团伙活动，这也是一个明显的特征。 阅读原文
页:
[1]