Hyperspectral Trajectory Image for Multi-Month Trajectory Anomaly Detection

1. El Problema

La detección de anomalías en trayectorias es fundamental para aplicaciones como la detección de fraudes, la seguridad pública y el análisis de la movilidad urbana. Sin embargo, el campo actual enfrenta una dicotomía insalvable entre dos enfoques:

• Métodos Basados en Puntos de Estancia (Sparse): Comprimen las trayectorias densas en eventos discretos (llegadas/salidas). Son escalables para periodos largos (meses), pero descartan evidencia de alta granularidad como velocidades anormales, desvíos de corta duración o dinámicas de movimiento en tránsito.
• Métodos Basados en GPS Densos: Preservan la evidencia fina, pero enfrentan un cuello de botella computacional. Las trayectorias de varios meses generan miles de pasos de tiempo, y los modelos basados en Transformers (que escalan cuadráticamente con la longitud de la secuencia) se vuelven intratables para este contexto.

Además, ambos enfoques tratan las trayectorias como secuencias unidimensionales planas, ignorando la estructura cíclica natural de la movilidad humana (patrones dentro del día y rutinas a través de los días). No existe actualmente un método unificado que pueda detectar anomalías en trayectorias densas de múltiples meses.

2. Metodología Propuesta: TITAnD

Los autores proponen TITAnD (Trajectory Image Transformer for Anomaly Detection), un marco que reformula la detección de anomalías como un problema de visión por computadora.

A. Representación: Imagen de Trayectoria Hiperespectral (HTI)

En lugar de una secuencia 1D, la trayectoria se proyecta en una imagen 2D con dimensiones:

• Eje Días ($D$): Representa la escala temporal a largo plazo (meses).
• Eje Hora del Día ($S$): Representa la escala temporal intra-diaria (ej. 288 ranuras de 5 minutos).
• Canales ($C$): Codifican información espacial, semántica, temporal y cinemática.

Esta representación unifica datos densos (GPS) y dispersos (puntos de estancia) en el mismo espacio.

• Para datos densos: Se muestrea el flujo GPS en ranuras de tiempo, extrayendo características de celda (ubicación, POIs), cinemáticas (velocidad, aceleración) y temporales.
• Para datos dispersos: Se mapean eventos de "parada" y "viaje" a la misma cuadrícula, fusionando suavemente las características en los límites de las ranuras.

B. Arquitectura: Transformer Factorizado Cíclico (CFT)

Para procesar la HTI de manera eficiente y capturar la estructura cíclica, se introduce el Cyclic Factorized Transformer (CFT).

• Factorización de Atención: En lugar de aplicar atención global sobre toda la secuencia (costo $O((DS)^2)$), el CFT descompone la atención en dos ejes:
  1. Atención Intra-día: Opera sobre el eje de ranuras ($S$) para modelar episodios dentro del mismo día (ej. desvíos, paradas prolongadas).
  2. Atención Inter-día: Opera sobre el eje de días ($D$) para modelar la consistencia de las rutinas (ej. comparar el lunes de esta semana con los lunes anteriores).
• Bloques Interleaved: El modelo alterna capas de atención intra-día e inter-día, permitiendo que la información fluya entre ambas escalas temporales.
• Eficiencia: Esta factorización reduce la complejidad computacional de $O(D^2S^2)$ a $O((DS^2 + SD^2))$, logrando una reducción de costos de atención de aproximadamente 85x para horizontes largos.

C. Tareas de Salida

• Localización Temporal: Se formula como segmentación semántica (predecir una máscara binaria por píxel en la imagen).
• Detección a Nivel de Agente: Se formula como clasificación de imágenes (tomar el máximo de las probabilidades de anomalía en toda la imagen).

3. Contribuciones Clave

1. Primera detección en trayectorias densas de múltiples meses: TITAnD es el primer marco capaz de realizar detección de anomalías en trayectorias GPS densas de varios meses, superando la barrera de escalabilidad.
2. Unificación de Modalidades: Demuestra que la detección de anomalías en datos densos y dispersos es la misma tarea de visión, resolviéndola bajo una única arquitectura (HTI + CFT).
3. Inducción de Estructura Cíclica: Introduce el CFT, que incorpora explícitamente el sesgo inductivo de las rutinas humanas (ciclicidad diaria y semanal), mejorando significativamente el rendimiento sobre modelos genéricos.
4. Validación Empírica: Muestra que la reformulación a imagen por sí sola no es suficiente; el rendimiento superior proviene de explotar la estructura cíclica mediante la atención factorizada.

4. Resultados Experimentales

Los experimentos se realizaron en tres conjuntos de datos: Sparse (NumoSim-LA), Dense (Tokyo) y Dense2Sparse (Tokyo).

• Precisión (AUC-PR):
  • TITAnD (con CFT) supera consistentemente a los métodos basados en secuencias (USTAD, ICAD) y a otros backbones de visión (Transformer plano, U-Net, SegFormer).
  • En el conjunto Dense (Tokyo), TITAnD alcanza un AUC temporal de 0.84, un 40% de mejora relativa sobre el Transformer plano.
  • En la detección a nivel de agente, logra un AUC de 0.98 en datos densos y 0.63 en datos dispersos, superando a los métodos especializados en datos dispersos.
• Eficiencia:
  • CFT es el modelo más pequeño (6.5M parámetros vs. 19-26M en CNNs).
  • Latencia: Es 11x más rápido que un Transformer estándar para 2 meses de datos y hasta 75x más rápido para 12 meses, gracias a la atención factorizada que escala linealmente en lugar de cuadráticamente.
• Análisis de Ablación:
  • Las características temporales solas son insuficientes; la información espacial es el señal dominante.
  • En datos dispersos, ni la atención intra-día ni la inter-día funcionan bien por separado (ambas aportan poco individualmente), pero su combinación factorizada recupera el rendimiento completo, validando la necesidad arquitectónica del CFT.

5. Significado e Impacto

Este trabajo es significativo porque rompe el paradigma de tratar las trayectorias como secuencias temporales planas. Al reencuadrar el problema como una tarea de visión con una representación estructurada (HTI) y un modelo que respeta la periodicidad humana (CFT), los autores logran:

1. Hacer factible el análisis de trayectorias densas a largo plazo, algo previamente imposible debido a costos computacionales.
2. Unificar el procesamiento de datos de alta y baja fidelidad bajo un mismo marco teórico.
3. Demostrar que la incorporación de sesgos inductivos estructurales (ciclicidad) es más eficiente y efectivo que simplemente aumentar la capacidad del modelo o la cantidad de datos.

El código y los pesos del modelo serán públicos, facilitando la reproducibilidad y futuras investigaciones en movilidad urbana y detección de anomalías.