基于邻域重建和图对比学习的交通轨迹异常检测方法和装置

基于邻域重建和图对比学习的交通轨迹异常检测方法和装置，其方法包括：通过选择Porto数据集并进行数据预处理，构建了一个交通轨迹网络，将每辆车的轨迹数据抽象为图中的节点，并通过边表示车辆之间的关系；通过邻域重建模块，利用图神经网络对节点的接收域进行编码，在降维空间中重建节点的邻域结构，捕捉交通轨迹中车辆之间的复杂关系和属性信息；利用图对比学习最大化正样本相似度和最小化负样本相似度，以增强模型对交通轨迹异常行为的学习能力，进而提高对异常轨迹的检测准确性；通过定义的异常评分函数，计算每个轨迹的异常分数，并基于历史数据和误差分析等手段设定异常分数的阈值；最终，通过排名异常分数，高分的轨迹被标记为可能的异常，实现了对交通轨迹异常行为的有效检测。