第39卷第5期北京测绘Vol.39No.5
2025年5月BeijingSurveyingandMappingMay2025
引文格式：郭思慧，李佳蓉，黄梦娜，等.基于地铁刷卡数据的嫌疑人识别方法［J］.北京测绘，2025，39（5）：730-735.
Referenceformat:GUOSihui，LIJiarong，HUANGMengna，etal.Suspectidentificationmethodbasedonsubwaycardswipe
data［J］.BeijingSurveyingandMapping，2025，39（5）：730-735.
DOI:10.19580/j.cnki.1007-3000.2025.05.025
基于地铁刷卡数据的嫌疑人识别方法
1，2345
郭思慧李佳蓉黄梦娜刘高鸣
（1.北京市测绘设计研究院，北京100045；
2.城市空间信息工程北京市重点实验室，北京100038；
3.广州市城市规划设计有限公司，广东广州510040；
4.腾讯科技（北京）有限公司，北京100080；
5.国家知识产权局专利局专利审查协作北京中心，北京100071）
［摘要］城市公共交通系统中的乘客一直是嫌疑人锁定的主要目标。如何根据乘客的出行行为特征
识别嫌疑人，从而预防公共交通偷窃事件的发生，成为安全部门关注的重点问题。随着大数据、人工智能等
技术的快速发展，交通刷卡数据已经成为挖掘乘客移动模式和进行社会感知的重要基础。然而，现有从海量
轨迹数据中识别少数异常的方法仍存在假阳率高的问题，难以有效识别嫌疑人。为此，本文提出两步异常轨
迹识别法，先通过K-均值聚类过滤一部分样本，然后对剩余样本采用单类支持向量机（One-ClassSVM）进行
二分类，从而识别嫌疑人。以上海市交通刷卡数据为例，实验结果表明，先聚类再分类的两步识别法可有效
区分嫌疑人的异常轨迹，且嫌疑人主要分布在上海中心城区的地铁站附近。结果与实际相符，可为进一步建
立监测与追踪系统提供参考。
［关键词］公共交通；地铁刷卡；嫌疑人；异常轨迹识别；K-均值聚类；支持向量机（SVM）
［中图分类号］P258［文献标识码］A［文章编号］1007-3000（2025）05-0730-06
随着信息科学技术和数据处理能力的快速
0引言
发展，由自动收费系统收集的交易记录已经成为
［6-8］
公共交通系统中的乘客已经成为嫌疑人锁挖掘乘客移动模式和城市动力学的重要手段。
定的主要目标。尤其在上下班高峰时段，公共有文献首次关注利用自动收费系统数据识别嫌
［9］
交通工具内相对拥挤，乘客的注意力容易分散，疑人。文中指出，如何对嫌疑人的特征进行提
［1