案例來源：@機器之心

作者：Tianfu He、Jie Bao、Ruiyuan Li、Sijie Ruan、Yanhua Li、Chao Tian、Yu Zheng

0. 背景：

隨著汽車保有量增加，停車位供不應求，違章停車現象增加。傳統的檢測違停的方式是交警巡邏和攝像頭檢測，前者人工成本高，後者採購與系統維護成本高，很難在可控成本下覆蓋所有路段。

摩拜單車帶有軌跡資料，如果路段出現違停，會對單車的軌跡造成影響，因此可以根據軌跡資料對路段是否有違章停車進行推測。

1. 目標：判斷路段是否存在違章停車

2. 思路：

    1）以深夜時的騎行軌跡作為正常騎行軌跡，進行單類學習（one-class learning），建立路段正常軌跡模型（由於不同地區GPS精度不同，如商業樓精度低，空曠地精度高，因此對每個路段單獨建模）

3. 效果

    1）基於北京路網資料及北京 6 個月的軌跡資料，人工採集了454 個違停資料，包含 159 個正例

    2）基於 30 條軌跡的檢測效果和 50 條的AUC值非常接近，可以認為30條深夜軌跡資料建模就能有效監測路段是否存在違章停車

    3）實地考察效果