[发明专利]基于公共切片子序列的轨迹特征异常检测方法

说明书

本发明涉及信息技术处理技术领域，提供了一种基于公共切片子序列的轨迹特征异常检测方法。解决传统方法仅仅考虑公共部分的情况下，会容易把异常的轨迹误认为成正常的轨迹。主要方案包计算两轨迹间非公共部分的差异D′，判断两轨迹非公共部分的差异小于差异判别阈值，且最长公共部分占整条轨迹的比例超过阈值，则两轨迹特征相似；判断轨迹集中与当前轨迹特征相似的其他轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为特征正常轨迹，否则特征异常轨迹。

技术领域

本发明涉及信息技术处理技术领域，提供了一种基于公共切片子序列的轨迹特征异常检测方法。

背景技术

随着各种GPS设备和无线通信技术的飞速发展，大量的运动目标轨迹数据被生成和采集。例如移动用户、车辆、动物和飓风的移动数据。对这些数据的分析可以帮助研究者获得许多有价值的信息，如热点、兴趣模式、位置预测和其他相关的隐含事实。因此，人们对轨迹模式挖掘越来越感兴趣，其中轨迹离群点检测(TOD)是最热门的研究课题之一。

众所周知，离群值是指与剩余数据集严重不同或不一致的数据对象。这是一个非常罕见的模式，可能表明一个异常事件。因此，异常点检测是一项重要的数据分析任务。轨迹离群点(也称为离群轨迹)是基于某种相似性评价机制，在一定时间间隔内与大多数其它轨迹有较大差异的轨迹。TOD属于时空异常点检测的范畴，因为轨迹具有时空特征。检测结果可以帮助识别可疑活动，移动物体，因此可用于许多应用中，例如恶劣的天气预报，安全监控以及智能交通和科学研究。如Chen等。文献中提出的一种热带气旋系统或飓风可被视为大气系统的异常活动。此外，轨迹离群值的检测和去除对于提高轨迹相似度聚类算法的效率具有重要意义。

现有的异常检测技术包含四类，基于分类的检测技术、基于历史相似性的检测技术、基于距离的检测技术以及基于网格划分的检测技术。但现有的大多数异常检测技术在进行轨迹相似性度量过程中，都只考虑了轨迹相近的部分，而未考虑到轨迹相异的部分对两轨迹之间相似性度量的影响，特征提取不充分，会降低异常检测的精确度，因此迫切需要研究综合轨迹相近和相异部分的异常检测算法。

发明内容

本发明的目的在于解决现有技术仅仅考虑两轨迹相似部分，未考虑不相似的部分，无法对相似度较高的异常轨迹进行检查，如两轨迹方向切片编码90％相同，但有一个切片编码出现了较大的差异，明显为异常轨迹，这种仅仅考虑相似部分的方法，则会判断为正常轨迹，因为会造成异常轨迹漏检。本申请加入了轨迹非公共部分序列对两轨迹相似性度量的影响，提高了检测精度。

本发明未解决上述技术问题采用以下技术方案：

基于公共切片子序列的轨迹特征异常检测方法，包括以下步骤：

步骤1：将每条轨迹上相邻的两点用线段连接起来，每一个线段即为轨迹段，一条轨迹由一系列轨迹段组成；

步骤2：在平面直角坐标系中，以原点为起点画N条射线，将平面平均地分成N个小平面,为每个平面编号，依次为整数1～N,再计算出每个轨迹段的斜率，斜率所在平面的编号即为该轨迹段的方向码；

步骤3：若某个点的相邻两个轨迹段的方向值的差异超过阈值，则该点为一个拐点，再依次将轨迹中的拐点用线段连接起来，此时的线段为轨迹切片，轨迹切片重新组成了轨迹，计算切片两拐点之间的轨迹段的平均值x_nm，平均值余数进位，作为轨迹切片方向编码，轨迹切片方向编码组成轨迹切片方向编码序列X_n，

X_n＝[x_n1,x_n2,x_n3,……,x_nm]

其中x_nm中n代表轨迹的编号，m代表轨迹切片编号，X_n中n代表轨迹的编号；

步骤4：轨迹切片完毕之后，找出任意两轨迹之间的切片方向编码序列的最长公共子序列Z: