ROAM：ルールとモチーフに基づく大量移動物体データセットにおける異常検出

最近のセンシング技術とモバイルコンピューティング技術の進歩により、移動物体に関する膨大なデータが収集されています。このようなデータの重要な応用の一つは、疑わしい動きの自動識別です。移動物体に関連するデータの膨大な量のため、異常を効率的かつ効果的に検出できる方法を開発することは困難です。異常は任意の抽象レベルで発生する可能性があり、空間的および時間的特徴の複数の粒度に関連する可能性があるため、この問題は一層深刻になります。本研究では、ROAM（移動物体におけるルールおよびモチーフに基づく異常検出）という新しいフレームワークを提案します。ROAMでは、物体の軌跡をモチーフと呼ばれる離散的パターン断片を使用して表現します。関連する特徴を抽出して階層的な特徴空間を形成し、データのマルチ解像度ビューを可能にします。また、構造化された特徴空間を探査し、複数の粒度で効果的なルールを学習する汎用のルールベース分類器を開発しました。ROAMを実装し、さまざまな条件下でそのコンポーネントをテストしました。我々の実験は、このシステムが異常な移動物体を検出するのに効率的かつ効果的であることを示しています。