Core Concepts
本研究は、タクシーの運転手の睡眠時間・場所行動と乗客の乗降行動を分析することで、不正運転手交代活動を効率的に検出する手法を提案する。
Abstract
本研究は、タクシー業界における重大な違法行為である不正運転手交代活動(IDS)の検出に取り組んでいる。現在、法執行官による手動監視では、膨大なタクシー数に対する法執行官の数が限られているため、効率的な検出が困難な状況にある。
本研究では、以下の2つの行動モデルを提案することで、IDS活動の検出を効率化する:
睡眠時間・場所(STL)行動モデル:
合法的な運転手と不正運転手では、睡眠パターン(睡眠時間、場所)が異なる傾向がある。
FisherVector(FV)を用いてSTL行動を特徴化する。
乗客の乗降(PU)行動モデル:
合法的な運転手と不正運転手では、乗客の乗降パターンが異なる傾向がある。
Latent Dirichlet Allocation(LDA)を用いてPU行動を特徴化する。
次に、個人の行動特徴を共通の特徴空間に変換するため、Self-Similarity(SS)アプローチと Multi-Scale Pooling(MSP)を提案する。これにより、個人差の大きい行動特徴を統一的に表現できる。
最後に、Multiple Component-Multiple Instance Learning(MC-MIL)を提案し、長期的な行動変化を捉えつつ、行動特徴の欠落にも対応可能な分類器を実現する。
実験の結果、提案手法は既存手法を上回る性能を示し、IDS活動の効率的な検出が可能であることが確認された。
Stats
合法的なタクシー運転手と比べ、不正運転手交代活動を行うタクシー運転手の年齢分布に大きな違いはない。
合法的なタクシー運転手と比べ、不正運転手交代活動を行うタクシー運転手の学歴分布に大きな違いはない。
合法的なタクシー運転手と比べ、不正運転手交代活動を行うタクシー運転手が初めて運転手免許を取得した時期に大きな違いはない。
Quotes
"IDS can manifest in two primary forms: Operation of a taxi by an individual lacking the necessary vocational license; Operation by a licensed driver who is not officially registered to the vehicle in question."
"This illicit practice poses significant risks, including severe traffic incidents and criminal acts (e.g., robbery, murder), undermining the safety and integrity of the taxi industry and local governance."