Core Concepts
택시 운전자의 수면 시간 및 위치 행동과 승객 픽업 행동을 모델링하여 불법 운전자 대체 활동을 효과적으로 탐지할 수 있다.
Abstract
이 논문은 택시 운전자의 불법 운전자 대체(IDS) 활동을 탐지하는 방법을 제안한다. IDS 활동은 택시 산업에서 심각한 불법 행위로, 교통 사고와 사회적 문제를 야기할 수 있다. 현재 법 집행관들이 수동으로 IDS 활동을 감시하고 있지만, 택시 수와 법 집행관 수의 불균형으로 인해 효과적이지 않다.
이 논문은 다음과 같은 접근법을 제안한다:
택시 운전자의 수면 시간 및 위치(STL) 행동과 승객 픽업(PU) 행동을 모델링하여 IDS 활동을 탐지하는 supervised learning 문제로 정의한다.
다중 스케일 풀링(MSP)과 자기 유사성(SS) 기반 특징을 사용하여 개별 운전자 행동을 일관된 특징 공간으로 변환한다.
다중 구성 요소-다중 인스턴스 학습(MC-MIL) 방법을 제안하여 행동 특징의 결함을 해결하고 IDS 관련 특징을 정렬한다.
실험 결과, 제안된 행동 특징이 다양한 분류기에서 우수한 일반화 능력을 보이며, MC-MIL 방법이 기준 방법을 능가한다.
Stats
택시 운전자의 수면 시간은 불법 운전자와 모범 운전자 간에 큰 차이가 있다.
택시 운전자의 교육 수준은 불법 운전자와 모범 운전자 간에 큰 차이가 있다.
택시 운전자가 처음 운전면허증을 취득한 시기는 불법 운전자와 모범 운전자 간에 큰 차이가 있다.
Quotes
"IDS 활동은 심각한 교통 사고와 범죄 행위(예: 강도, 살인)를 초래하여 택시 산업과 지역 거버넌스의 안전과 무결성을 훼손한다."
"개별 택시 운전자는 고유하고 비교적 안정적인 행동 패턴을 보인다. 단기간 내 이러한 패턴의 급격한 변화는 IDS 활동을 나타낼 수 있다."