[发明专利]一种时间与空间双视角下的轨迹异常检测方法

说明书

本发明公开了一种时间与空间双视角下的轨迹异常检测方法，通过将轨迹切割成多个轨迹片段，保留轨迹原有的局部特征；从时间与空间两个视角下综合考虑轨迹的异常性，为了提高方法的运行效率：引入时间段和空间网格的概念，获取其所在时间段和空间网格共同相似的轨迹片段；本发明是通过轨迹内异常轨迹片段数目占该轨迹中总轨迹片段数目的比例来判断某条轨迹的异常性；为了降低对测试轨迹误判的几率，将测试轨迹加入到原始轨迹运动模式中，对轨迹数据进行再次训练，获取新的轨迹运动模式并再次判断已被判定为异常的轨迹相对于新的轨迹运动模式是否仍为异常轨迹。

技术领域

本发明属于轨迹数据检测技术领域，具体涉及一种时间与空间双视角下的轨迹异常检测方法。

背景技术

随着通信技术、传感器网络技术和定位技术的迅速发展以及GPS定位设备、移动智能终端等设备的普及与应用，大量的个体轨迹信息被采集并保存于数据库中。轨迹信息往往隐藏了个体的运动规律，若能从已知的轨迹信息中挖掘出一定的运动规律并利用其检测异常轨迹，对于个体异常行为检测、城市规划、自然灾害预测等领域有着重大的意义。

目前关于轨迹异常检测方法主要有两大类。一类是通过检测轨迹点的异常程度来判断轨迹整体的异常性，比如Liu等人提出以k个连续轨迹点作为基本比较单元，通过对基本比较单元的对比确定轨迹的局部匹配，利用局部匹配的基本比较单元确定轨迹的全局匹配，从而判断轨迹的状态。之后Liu等人做了进一步的改进，通过判断每个轨迹点的异常度来确定轨迹整体的异常性。由于轨迹中往往包含大量的轨迹点，这类通过检测每个轨迹点的异常程度来判断轨迹整体异常性的方法，使得方法的时间复杂度较高。

另一类检测方法是，先对轨迹进行处理，获取轨迹中的特征点并利用特征点信息来检测轨迹的异常性。目前获取轨迹特征点的方法有两种，一是将每条轨迹划分为多个连续线段的组合，利用轨迹点的转角和速度先将轨迹划分为多个线段，通过判断任意两个线段之间的相似性，挖掘异常轨迹片段，之后通过异常轨迹片段确定轨迹整体的异常性。这些方法的不足之处是在划分轨迹片段时，未考虑个体轨迹运动方向的差异。另一种方法是将轨迹映射到相应的道路网格中，通过将原始轨迹数据映射到道路网格，从而获取其对应的映射轨迹，之后将具有相同的起点和终点的映射轨迹划分到同一组中，获取每个组中最受欢迎的路径并从空间和时间上检测某条轨迹的异常性。这种方法的不足之处是，对轨迹进行了映射，使得所获取的特征点不是轨迹中原有的轨迹点，忽略了轨迹原始的运动信息。这类通过轨迹中的特征点来检测轨迹异常性的方法，仅需检测特征点的异常度，而不需检测轨迹中每个轨迹点的异常度，因此该方法降低了方法的时间复杂度。然而，这类检测方法在检测过程中仅利用了特征点的运动信息，而部分轨迹点的运动信息被忽视，因此这类检测方法忽略了轨迹的局部特征。

通过对目前异常轨迹检测方法的分析后，发现其主要存在以下3大问题：(1)利用轨迹点的异常度来判断轨迹整体异常性的方法，方法的时间复杂度较高；(2)通过获取轨迹中的特征点来判断轨迹异常性的检测方法，虽然降低了方法的时间复杂度，但其往往根据位置和速度的差异来获取特征点，未考虑轨迹点运动方向的差异性且其忽略了轨迹的局部特征，如图1所示，A是某条轨迹的起点，B是轨迹的终点，C、D是轨迹中的两个相邻的轨迹点，从图中可以看到，C、D两点速度的方向相反，若其速率相等，在不考虑轨迹点运动方向时，可能无法判别出C、D两点运动的差异；(3)在大多数方法中，轨迹的运动模式一旦被建立就不会改变，然而轨迹数据具有时序性和变化性，其运动模式可能会随着时间的推移不断变化，如图2所示，对于一个轨迹时序数据，可能在某段时间内即从图2中的轨迹①到轨迹⑤这段时间内，轨迹拥有一个较为稳定的运动模式，而从某一时刻即图中的轨迹⑥开始，时序轨迹数据的运动模式发生了改变，现有的异常检测方法会将轨迹⑥、⑦、⑧、⑨均判断为异常轨迹，而实际上随着时间的推移，这些轨迹可能是正常的。

发明内容

本发明为解决上述不足而提出以下技术方案：

一种时间与空间双视角下的轨迹异常检测方法，包括：