用一个网格7x24个小时的数据预测该网格第7x24+1个小时的in out，如果这个预测in out与真实值的差距大于一个阈值（该阈值最终取3,见Fig3），就把这小时对应的网格当做一个异常的网格，可以达到实时检测的效果

1)过滤掉稀疏的网格，一个网格用一个向量存储2088个小时的in/out，如果2088个值里边有超过三分之一的值为0，则过滤掉，不用该网格的数据进行模型训练。原因：一天24小时，可以有三分之一的时间比如0a.m.-8a.m. 没有in/out，其他时间段有in/out，比较符合该数据合理的直觉，共1317个符合条件的向量，原始数据有104000*2个向量

2）最终训练数据生成：将符合条件的向量用一个24*7的窗口划分

A.为了减少模型过拟合，窗口之间不重合

B.为了增加模型的适用性，划分窗口时加一个offset，使得模型从一周的随便一个小时起开始预测都可以， 最终有大约1317*(2088/(24*7))=16368个训练样本

in out and some temp images zip file