Hyperspectral Trajectory Image for Multi-Month Trajectory Anomaly Detection

1. Problema e Motivação

A detecção de anomalias em trajetórias é crucial para aplicações como detecção de fraudes, segurança pública e análise de mobilidade urbana. O artigo identifica uma lacuna fundamental nas abordagens existentes, que estão divididas em dois regimes desconectados:

• Abordagens Esparsas (Stay-points): Comprimem fluxos de GPS densos em sequências de eventos (ex: paradas, visitas). Embora escaláveis para longos períodos (meses), elas descartam evidências de alta granularidade, como velocidades anormais, desvios de rota de curta duração e dinâmicas de movimento "em trânsito".
• Abordagens Densas (GPS Contínuo): Preservam a evidência fina, mas enfrentam um gargalo de contexto longo. Trajetórias de vários meses geram milhares de passos de tempo. Como os Transformers padrão têm custo quadrático em relação ao comprimento da sequência, a análise de anomalias em trajetórias densas de longo prazo torna-se computacionalmente intratável.

O Desafio Central: Não existe nenhum método atual capaz de detectar anomalias em trajetórias GPS densas de vários meses. Além disso, ambas as abordagens tratam trajetórias como sequências unidimensionais planas, ignorando a estrutura cíclica temporal inerente à mobilidade humana (padrões dentro do dia e rotinas entre dias).

2. Metodologia: TITAnD

Os autores propõem o TITAnD (Trajectory Image Transformer for Anomaly Detection), que reformula o problema de detecção de anomalias como um problema de visão computacional.

2.1. Imagem de Trajetória Hiperespectral (HTI)

A ideia central é representar trajetórias (sejam densas ou esparsas) como uma imagem 2D estruturada:

• Eixos: A imagem é uma grade de Dias ($D$) $\times$ Hora do Dia ($S$).
  • $D$: Número de dias de observação.
  • $S$: Slots de tempo dentro do dia (ex: 288 slots de 5 minutos).
• Canais ($C$): Cada pixel da imagem codifica informações multivariadas (espaço, semântica, tempo e cinemática) em vetores de características.
• Unificação:
  • Dados Densos: O fluxo de GPS é discretizado, e pontos dentro de cada slot são agrupados via pooling de atenção para gerar o embedding do pixel.
  • Dados Esparsos: Eventos de parada (stops) e viagens (trips) são mapeados para os slots correspondentes na grade, com interpolação suave nas fronteiras.
• Vantagem: Isso permite que a detecção de anomalia a nível de agente seja tratada como classificação de imagem e a localização temporal como segmentação semântica.

2.2. Codificadores Específicos de Dados

O TITAnD utiliza dois codificadores que geram a mesma representação HTI:

• DenseTrajEmbed: Processa fluxos de GPS. Extrai características espaciais (baseadas em POIs e grade UTM), temporais (calendário) e cinemáticas (velocidade, aceleração, curvas) para cada slot.
• SparseTrajEmbed: Processa logs de paradas. Codifica a localização da parada e a dinâmica da viagem (distância, duração, direção) entre paradas, aplicando embeddings de tipo para distinguir entre "parada" e "viagem".

2.3. Transformer Fatorado Cíclico (CFT)

Para processar a HTI de forma eficiente e explorar a estrutura temporal, os autores introduzem o CFT.

• Fatoração da Atenção: Em vez de aplicar atenção global sobre toda a sequência achatada (custo $O((DS)^2)$), o CFT fatoriza a atenção ao longo dos dois eixos temporais:
  1. Atenção Intra-dia: Modela episódios dentro de um único dia (ex: desvios, paradas prolongadas) ao longo do eixo $S$.
  2. Atenção Inter-dia: Modela a consistência de rotinas ao longo de dias diferentes no mesmo horário (ex: comparecer ao trabalho sempre às 8h) ao longo do eixo $D$.
• Blocos Intercalados: O modelo empilha blocos que alternam entre atenção intra-dia e inter-dia, permitindo que informações fluam entre as escalas temporais.
• Eficiência: Reduz o custo de atenção de $O(D^2S^2)$ para $O((DS^2 + SD^2))$, permitindo uma redução de custo de ~85x para horizontes longos, tornando viável a análise de meses de dados.
• Viés Indutivo: Incorpora explicitamente a periodicidade humana (rotinas diárias e semanais) através de codificações posicionais cíclicas (RoPE) independentes em cada eixo.

3. Contribuições Principais

1. Primeira Detecção em Trajetórias Densas de Longo Prazo: O TITAnD é o primeiro framework a realizar detecção de anomalias em trajetórias GPS densas de vários meses, superando o gargalo de escalabilidade.
2. Unificação de Regimes: Unifica dados densos e esparsos sob uma única arquitetura e representação (HTI), permitindo transferência de conhecimento e comparação justa.
3. Novo Modelo de Arquitetura (CFT): Introduz o Transformer Fatorado Cíclico, que explora a estrutura cíclica da mobilidade humana, reduzindo drasticamente a complexidade computacional e melhorando a precisão.
4. Validação Empírica: Demonstra que a reformulação em visão computacional, combinada com um modelo que respeita a estrutura cíclica, é essencial para o desempenho, superando modelos de visão padrão (como UNet e Transformers planos).

4. Resultados Experimentais

Os experimentos foram conduzidos em três benchmarks:

• Esparsos: NumoSim-LA (Los Angeles, ~80k agentes, 55 dias).
• Densos: Tokyo (Privado, ~18k agentes, 66 dias, 10s resolução).
• Híbrido: Dense2Sparse (Tokyo, convertido para paradas).

Desempenho (Métricas AUC-PR e mIoU):

• Superioridade Geral: O TITAnD (com CFT) alcançou o melhor AUC-PR em todos os benchmarks, superando tanto métodos esparsos tradicionais (USTAD, ICAD) quanto modelos de visão baseados em Transformers planos e CNNs.
• Detecção Temporal: No benchmark denso (Tokyo), o TITAnD alcançou 0.84 de AUC, uma melhoria de 40% relativa em relação ao Transformer plano (0.60).
• Eficiência: O modelo é significativamente mais rápido. Para trajetórias de 12 meses, o TITAnD é 75x mais rápido que um Transformer padrão, com latência de 234ms vs. 17.5s, mantendo um uso de memória comparável (~7-10 GB).
• Análise de Ablação:
  • Características temporais sozinhas são insuficientes; o contexto espacial é o sinal dominante.
  • Para dados esparsos, nem a atenção intra-dia nem a inter-dia sozinhas são suficientes; a combinação fatorada é necessária para capturar o sinal de anomalia, validando a arquitetura proposta.

5. Significado e Conclusão

O trabalho demonstra que a detecção de anomalias em trajetórias, independentemente da densidade dos dados, é fundamentalmente um problema de visão computacional quando estruturado corretamente.

• Viabilidade: Torna possível pela primeira vez a análise de anomalias em grandes volumes de dados de mobilidade contínua (meses de dados), algo que era computacionalmente proibitivo.
• Eficiência Estrutural: Mostra que explorar a estrutura inerente dos dados (ciclicidade diária/semanal) é mais importante do que apenas aumentar a capacidade do modelo. O CFT oferece um equilíbrio ideal entre expressividade e eficiência.
• Impacto: O framework oferece uma base robusta para aplicações de segurança e mobilidade que exigem monitoramento de longo prazo com alta granularidade, superando as limitações das abordagens baseadas apenas em eventos esparsos.

O código e os pipelines de pré-processamento serão disponibilizados publicamente para garantir reprodutibilidade.