案例来源：@机器之心
作者：Tianfu He、Jie Bao、Ruiyuan Li、Sijie Ruan、Yanhua Li、Chao Tian、Yu Zheng
案例地址：https://mp.weixin.qq.com/s/oGSk9Hsu6lbthJjLHF59Hg
0. 背景：
随着汽车保有量增加，停车位供不应求，违章停车现象增加。传统的检测违停的方式是交警巡逻和摄像头检测，前者人工成本高，后者采购与系统维护成本高，很难在可控成本下覆盖所有路段。
摩拜单车带有轨迹数据，如果路段出现违停，会对单车的轨迹造成影响，因此可以根据轨迹数据对路段是否有违章停车进行推测。
1. 目标：判断路段是否存在违章停车
2. 思路：
1）以深夜时的骑行轨迹作为正常骑行轨迹，进行单类学习（one-class learning），建立路段正常轨迹模型（由于不同地区GPS精度不同，如商业楼精度低，空旷地精度高，因此对每个路段单独建模）
2）检测状态下，将给定时间段的路段骑行轨迹数据与正常轨迹模型进行KS检验，当KS检验无法通过给定的阈值，判断其违章停车（KS检验参考https://blog.csdn.net/u013421629/article/details/78217498）
3. 效果
1）基于北京路网数据及北京 6 个月的轨迹数据，人工采集了454 个违停数据，包含 159 个正例
2）基于 30 条轨迹的检测效果和 50 条的AUC值非常接近，可以认为30条深夜轨迹数据建模就能有效监测路段是否存在违章停车
3）实地考察效果
