СОВРЕМЕННЫЕ МЕТОДЫ ДЛЯ ОБНАРУЖЕНИЯ АНОМАЛИЙ В БОЛЬШИХ ДАННЫХ ТЕЛЕМЕТРИИ ГОРОДСКОГО ПАССАЖИРСКОГО ТРАНСПОРТА

Аннотация

В статье представлен систематический обзор и сравнительный анализ трёх современных методов обнаружения аномалий, ориентированных на работу с большими неразмеченными данными в задачах мониторинга городского пассажирского транспорта: Isolation Forest, Local Outlier Factor (LOF) и One-Class Support Vector Machine (OC-SVM). Рассматриваются теоретические основы каждого алгоритма, вычислительные особенности. Проведено детальное сравнение методов по семи критическим эксплуатационным критериям, включая скорость обучения, масштабируемость, устойчивость к высокой размерности и эффективность для различных классов транспортных аномалий. На основе анализа сформулированы критерии применения каждого метода в аналитических системах для мониторинга в реальном времени. Статья предназначена для исследователей и практиков в области анализа данных, машинного обучения и работы с большими данными.