Spatio-Temporal Graphs Beyond Grids: Benchmark for Maritime Anomaly Detection¶

会议: NeurIPS 2025 (Workshop: AI for Science)
arXiv: 2512.20086
代码: 无
领域: 自动驾驶
关键词: 海事异常检测, 时空图, 非网格环境, LLM智能体, AIS数据

一句话总结¶

提出首个面向非网格时空系统（海事领域）的图异常检测基准数据集，将OMTAD数据集扩展为支持节点/边/图三级异常检测的基准，并计划使用LLM智能体进行轨迹合成和异常注入。

研究背景与动机¶

时空图神经网络(ST-GNN)在结构化领域（道路交通、公共交通）成功应用，因节点对应固定空间锚点（交叉路口、车站）
海事领域的根本挑战：开阔海面没有自然固定节点，航线不规则且稀疏，图构建本身就是难题
异常可能在多个粒度上表现：个体行为异常(节点级)、异常交互(边级)、群体异常(图级)
现有海事数据集不是为异常检测设计的，缺乏系统性异常标注
预期非网格时空系统将越来越普遍（无人机群、空中交通管理）

方法详解¶

整体框架¶

基于OMTAD数据集的两阶段扩展管线： 1. 轨迹合成器(Trajectory Synthesizer)：丰富稀疏区域的船舶间交互 2. 异常注入器(Anomaly Injector)：基于LLM提示的语义化异常生成

关键设计¶

数据基础：OMTAD¶

西澳大利亚海域(105-116°E, 36-15°S)，2018-2020年
19,124条轨迹：Cargo(14,384), Tanker(4,020), Fishing(466), Passenger(254)
AIS记录包括：船舶ID、地理位置、航迹角(COG)、对地速度(SOG)、UTC时间戳

OMTAD的两个局限及解决方案¶

稀疏区域无邻居：生成合成但物理合理的伴随轨迹（在SOG/COG/地理位置上有界扰动）
无异常标签：通过受控注入过程引入异常

两智能体架构¶

协调器(Coordinator)： - 构建标准化感知包(AIS + 衍生特征 + 环境数据 + 溯源信息) - 按顺序调度轨迹合成器和异常注入器

轨迹合成器： - 邻近增强：物理邻近船舶直接纳入 - 合成增强：稀疏区域生成"虚拟邻居"，扰动SOG/COG/经纬度

异常注入器(Prompt驱动)： - 提示解析：将自然语言描述（如"异常速度变化"、"风险遭遇"、"群体徘徊"）解析为结构化意图 - 场景实现：映射为时空图编辑（修改单节点运动学、船舶间交互、群体模式） - 标签生成：附加异常标签(节点/边/图级)+可解释性溯源文本

初步异常注入方法（预实验）¶

对长度\(w\)的轨迹选择\(m = r_{node} \cdot w\)的连续异常块
扰动SOG和COG的变化率：\(a_i^* = \mu_a + k \cdot \sigma_a\)，\(k > 3\)（超出99.7%置信区间）
两级控制：\(r_{node}\)控制轨迹内异常密度，\(r_{traj}\)控制数据集级别类别平衡

图构建¶

使用OPTICS聚类算法在每个时间戳对空间快照进行聚类
从每个簇采样固定数量\(k\)条轨迹
在\(w\)小时窗口内构建有向时间图，每图\(k \times w\)个节点

实验关键数据¶

初步实验：图级异常检测¶

模型	\(r_{traj}=0.1\)	\(r_{traj}=0.5\)
LSTM	基线	基线
LSTM + GNN	优于LSTM ✓	优于LSTM ✓
Transformer	基线	基线
Transformer + GNN	优于Transformer ✓	优于Transformer ✓

实验设置¶

参数	设置
节点异常比例\(r_{node}\)	{0.1, 0.3, 0.5}
轨迹异常比例\(r_{traj}\)	{0.1, 0.5}
固定\(r_{node}\)	0.5（初步实验）
扰动强度\(k\)	> 3（超出3σ）

关键发现¶

GNN增强模型在所有异常比例下一致性优于纯时序基线
图建模更自然地捕获海事动态（需同时考虑船舶状态和船际交互）
即使在相对朴素的异常设置下，图结构信号也是有意义的
当前仅注入最简单的运动学异常——真实海事异常远更多样

亮点与洞察¶

填补重要空白：首个面向非网格时空系统的图异常检测基准
三级异常支持：统一支持节点/边/图级异常检测评估
LLM辅助数据生成：利用LLM智能体生成语义丰富的异常（超越规则驱动注入）
可扩展性：框架可推广到无人机群、空中交通等其他非网格时空系统

局限与展望¶

当前仅关注运动学异常——需扩展到非法会面、AIS欺骗、环境异常等
LLM智能体管线尚为规划阶段，未完全实现
数据集仅覆盖西澳大利亚单一区域
任务特定标签策略需要精细化——跨级别一致可解释标签定义非平凡
尚未发布最终版基准数据集
未来计划：确定性可再生管线、多基线benchmark、语义复杂异常

评分¶

新颖性：⭐⭐⭐⭐ （非网格时空异常检测+LLM注入的方向新颖）
技术深度：⭐⭐⭐ （初步验证阶段，核心方法尚未完全实现）
实验充分性：⭐⭐⭐ （仅初步实验，缺乏全面基线对比）
写作质量：⭐⭐⭐⭐ （问题定义清晰，未来方向明确）