本記事では、オンラインでの軌跡異常検知を実現する新しいフレームワーク「CroTad」を提案しています。現代のインテリジェントトランスポーテーションシステムにおいて、軌跡の異常検知は重要なタスクであり、不適切な移動行動の特定に寄与します。従来の深層学習手法は多くが全体の軌跡解析に依存していますが、部分軌跡の異常検知や、慎重に調整された閾値に依存する問題が残ります。CroTadはこれらの課題を解決するために、対比学習を取り入れた強化学習フレームワークであり、ノイズや不規則なサンプリングにも強い設計がされています。この方法は、異常行動を効果的に識別できるほか、リアルタイムの異常スコアリングを可能にします。実験結果は、様々な評価シナリオにおいてその有効性と堅牢性を示しています。