[论文解读] Ridesourcing Car Detection by Transfer Learning

Leye Wang, Geng Xu+5 more|arXiv (Cornell University)|May 23, 2017

Human Mobility and Location-Based Analysis参考文献 23被引用 7

一句话总结

本文提出了一种两阶段迁移学习框架，无需依赖标注的共享出行车辆数据，即可从车辆轨迹中检测共享出行车辆。通过利用公开的出租车和公交车轨迹，在随机森林与卷积神经网络之间进行协同训练，该方法实现了与监督学习相当的检测准确率，从而实现了对非法共享出行活动的大规模监管。

ABSTRACT

Ridesourcing platforms like Uber and Didi are getting more and more popular around the world. However, unauthorized ridesourcing activities taking advantages of the sharing economy can greatly impair the healthy development of this emerging industry. As the first step to regulate on-demand ride services and eliminate black market, we design a method to detect ridesourcing cars from a pool of cars based on their trajectories. Since licensed ridesourcing car traces are not openly available and may be completely missing in some cities due to legal issues, we turn to transferring knowledge from public transport open data, i.e, taxis and buses, to ridesourcing detection among ordinary vehicles. We propose a two-stage transfer learning framework. In Stage 1, we take taxi and bus data as input to learn a random forest (RF) classifier using trajectory features shared by taxis/buses and ridesourcing/other cars. Then, we use the RF to label all the candidate cars. In Stage 2, leveraging the subset of high confident labels from the previous stage as input, we further learn a convolutional neural network (CNN) classifier for ridesourcing detection, and iteratively refine RF and CNN, as well as the feature set, via a co-training process. Finally, we use the resulting ensemble of RF and CNN to identify the ridesourcing cars in the candidate pool. Experiments on real car, taxi and bus traces show that our transfer learning framework, with no need of a pre-labeled ridesourcing dataset, can achieve similar accuracy as the supervised learning methods.

研究动机与目标

• 解决在缺乏许可共享出行数据（由于隐私或法律限制）的城区中，检测非法共享出行车辆的挑战。
• 开发一种可扩展、可部署的方法，仅使用公开的出租车和公交车轨迹数据作为知识来源，实现共享出行车辆检测。
• 通过从公共交通轨迹中迁移知识，克服缺乏标注共享出行数据集的问题，从而在普通车辆中识别共享出行行为。
• 设计一种协同训练框架，通过基于轨迹的特征，迭代优化随机森林与卷积神经网络分类器。
• 通过依赖开放、可访问的数据源，实现在共享出行非法或未受监管的城市中，实际部署共享出行监管工具。

提出的方法

• 使用出租车和公交车均常见的轨迹特征（如速度、停车频率、路线规律性与空间覆盖范围）作为共享表征。
• 在第一阶段，利用标注的出租车和公交车轨迹训练随机森林分类器，以预测候选车辆的共享出行状态，从而为整个数据集生成伪标签。
• 在第二阶段，使用高置信度伪标签车辆子集，训练卷积神经网络（CNN）分类器对轨迹序列进行分类。
• 实施协同训练循环，使随机森林与CNN分类器通过相互学习，迭代优化彼此的预测结果，并共同改进特征表示。
• 构建一个最终的集成模型，结合随机森林与CNN的预测结果，以增强鲁棒性与检测准确率。
• 通过迭代优化两个模型及其特征集，提升泛化能力，并减少由不完美出租车数据引入的噪声。

实验结果

研究问题

• RQ1 在无任何标注共享出行数据的情况下，能否有效利用公开的出租车和公交车轨迹知识，实现对共享出行车辆的检测？
• RQ2 当无标注共享出行数据时，该迁移学习框架的性能与监督学习相比如何？
• RQ3 随机森林与卷积神经网络之间的协同训练策略，在通过迭代优化中能将检测准确率提升到何种程度？
• RQ4 该方法对现实世界开放数据集中常见的噪声或延迟的出租车轨迹数据有多强的鲁棒性？
• RQ5 由于缺乏官方数据，该框架能否推广至共享出行非法或未受监管的城市？

主要发现

• 所提出的迁移学习框架即使在无任何预标注共享出行数据的情况下，也能实现与监督学习方法相当的检测准确率。
• 随机森林与卷积神经网络之间的协同训练过程通过迭代优化预测结果与特征表示，显著提升了分类性能。
• 基于轨迹的特征（如停车频率、路线规律性与空间覆盖范围）能有效区分共享出行行为与普通车辆使用行为。
• 即使出租车数据存在延迟或不完整，该方法仍保持有效性，展现出对现实世界数据质量问题的强鲁棒性。
• 随机森林与CNN分类器的集成模型优于单一模型，凸显了结合树模型与深度学习方法的优势。
• 该框架实现了在共享出行数据不可用或受限的城市中，大规模、隐私保护的共享出行车辆检测。