[发明专利]一种基于隐马尔科夫模型的出行异常检测方法

权利要求书

1.一种基于隐马尔科夫模型的出行异常检测方法，其特征在于：所述出行异常检测方法包括以下步骤：

（1）利用北斗或GPS定位设备采集监测数据的数据，包括经度、纬度和日期，并用GPRS模块将这些数据发送到出行行为监测平台；

（2）将坐标数据分为工作日数据和节假日数据采用k-medoids算法进行聚类，分别得到两组聚类标志点集合{q1w,q2w,...,qkw}]]>和{q1h,q2h,...,qkh};]]>

（3）把工作日和节假日的坐标数据作为两组观测量，采用Baum-Welch算法训练HMM模型，分别得到工作日出行规律模型和节假日出行规律模型；

（4）利用出行规律模型，来检测出行行为异常。

2.如权利要求1所述的一种基于隐马尔科夫模型的出行异常检测方法，其特征在于：所述步骤（1）中，当出现信号丢失时，则利用线性插值法填补缺失的坐标点。

3.如权利要求1或2所述的一种基于隐马尔科夫模型的出行异常检测方法，其特征在于：所述步骤（2）中，坐标数据p_i=(x_i,y_i)，x_i为经度，y_i为纬度，将采集的数据分为工作日数据和节假日数据采用k-medoids算法对这些数据进行聚类，分别得到聚类标志点集合{q1w,q2w,...,qkw}]]>和{q1h,q2h,...,qkh};]]>

确定n个数据的k个划分，在随机选择k个初始代表数据之后，反复地用非代表数据来替换代表数据，并用代价函数来评估聚类质量，把最终得到的中心点称作聚类标志点q_i；

聚类过程如下：

输入：包含n个数据的数据库和簇数目k；

输出：k个簇，即聚类标志点集合；

2.1）随机选择k个代表数据作为初始的中心点p_i；

2.2）指派每个剩余数据p_j给离它最近的中心点所代表的簇；

2.3）随机地选择一个非中心点数据p_l；

2.4）计算用p_l代替中心点p_i的总代价E；

2.5）如果E减小，则用可用p_l代替p_i，形成新的中心点；

2.6）重复2.2)-2.5)，直到k个中心点不再发生变化。