计算机应用

作者：韩锋, 卜永丰, 梁浩翔, 黄舒雯, 张朝阳, 孙士杰

单位：1.长安大学 信息工程学院，西安 710064；2.长安大学 电子与控制工程学院，西安 710064；3.长安大学 数据科学与人工智能研究院，西安 710064

关键词：车辆轨迹异常检测,多层次时空特征融合,动态图模型,深度学习,智能交通系统

基金：国家重点研发计划项目(2023YFB4301800);国家资助博士后研究人员计划项目(GZC20241447);中国高校产学研创新基金-新一代信息技术创新项目(2023 IT 079);长安大学中央高校基本科研业务费资助项目(300102244202)

针对智能交通系统中车辆轨迹异常检测的复杂性和动态性，提出一种基于多层次时空交互依赖的动态图（MSTIDG）的车辆轨迹异常检测方法DSTGRU（Dynamic Spatio-Temporal Gated Recurrent Unit）。DSTGRU通过构建短期和长期时空交互依赖的动态图，有效地捕捉车辆间的复杂交互关系。在这个过程中，引入多层次时空交互特征融合（MSF-BiGRU）模块融合多层次时空特征，以在不同尺度上融合时空信息，从而缓解共享信息提取时的冲突并增强模型的鲁棒性，进而提升对异常轨迹的识别能力。实验结果表明，DSTGRU在TrackRisk和HighD数据集上的异常检测精度显著优于现有方法DiffTAD与ImDiffusion，Pre@100分别达到了0.90和0.89，AUROC分别达到了0.913和0.827。与现有方法对比，DSTGRU在多项评价指标上均排名第一。此外，DSTGRU在复杂场景中表现出较强鲁棒性，并能准确识别异常行为，为智能交通系统中的轨迹异常检测提供了解决方案。

来源：2026年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2026年第2期