[发明专利]基于时间序列的多维距离聚类异常检测方法及系统

说明书

本发明公开了一种基于时间序列的多维距离聚类异常检测方法及系统，属于航空安全技术领域，所述基于时间序列的多维距离聚类异常检测方法包含下列步骤：步骤一：对轨迹数据集进行预处理，所述预处理包括清洗和再整合；步骤二：计算轨迹间多维相似度；步骤三：对于上述多维Hausdorff距离，构造轨迹间相似性矩阵；步骤四：多维hausdorff距离的层次聚类算法；选择机器学习中的层次聚类算法基于上述相似性矩阵进行层次聚类；步骤五：检测算法的异常检测效果，构造出在速度、方向、经度、纬度上有异常的轨迹，通过上述层次聚类算法将异常轨迹与正常轨迹聚类，并选用正确率、精确率、召回率、F1值来评价聚类算法。

技术领域

本发明属于航空安全技术领域，特别是涉及一种基于时间序列的多维距离聚类异常检测方法及系统。

背景技术

随着交通运输业、GPS定位、目标探测技术快速发展，越来越多的轨迹数据被应用到实验研究中。对移动对象的轨迹聚类分析在交通控制、气象监测、智能导航、反恐监测等领域都有着日趋广泛且重要的应用，通过分析这些数据，人们能够捕获到移动对象的运动特点，同时能够给社会公共基础设施的建设提供决策。近年来，轨迹数据挖掘研究已成为轨迹数据挖掘研究领域的热点，其中包括；轨迹聚类、伴随模式挖掘、频繁模式挖掘以及异常轨迹检测等。异常轨迹检测是指从轨迹数据集中找出严重偏离正常模式的对象，它是轨迹数据挖掘领域的一个重要分支，被广泛应用于出租车欺诈、飞行监测、飓风路径变化等异常行为识别。

飞行安全是民航业的最低要求，是民航工作者的最低保障任务。飞机的运动稳定性和机动性能对于飞行安全是非常重要的。国内外曾发生过多起因不稳定或进入失速导致失控的机毁事故，造成飞机飞行不稳定的原因是多种多样的。同时近年来，恐怖组织日益猖獗，恐怖袭击事件接连不断，对机场飞行安全造成严重影响。

为了保障飞机飞行安全，需要存储和分析大量的飞行相关的时空轨迹数据。民航飞行时空轨迹数据包含了经纬度坐标、记录时间、飞行高度、飞行速度、航向等多种属性。民用飞机能否重复飞行精确的轨迹对飞行安全和飞行效率有重要的影响，从民用飞机的飞行轨迹出发，研究了不同飞机按照仪表的飞行程序。在实际飞行中，民用飞机一般按照标准飞行程序，依靠地面空中交通管制人员的指挥来调配飞行。但特殊情况下，会出现实际航迹偏离标准程序的情况，通过对飞行轨迹数据的异常检测可以从实际飞行的轨迹数据集合中发掘出偏离正常飞行模式的轨迹，保障飞机按照正常轨迹飞行，确保飞行安全。

发明内容

本发明要解决的技术问题是针对目前轨迹分析的异常行为检测技术以检测位置信息为主，忽略了运动轨迹的轨迹有序性及运动特性。提出了一种基于时间序列的多维特征聚类异常检测方法及系统，以提高轨迹数据异常检测技术的精确性，通过提取轨迹数据中经度、纬度、速度、方向多维特征，采用一对三的比较方式，使用Hausdorff距离计算轨迹间多维距离(相似度)，构造出轨迹间的相似性矩阵，并结合层次聚类方法检测轨迹中的异常行为。

为了解决上述技术问题，本发明的技术方案为：

本专利的第一发明目的是提供一种基于时间序列的多维距离聚类异常检测方法，包含下列步骤：

步骤一：数据预处理，即对轨迹数据集进行预处理，主要包括对数据进行清洗以及再整合两部分。

使用正则表达式处理明显异常的数据。对于缺失值的数据，若某条数据有多个属性缺失值，选择直接删除该元组，对于各别数据的缺失，则使用平均值来补齐数据。之后，再根据所需特征，从轨迹数据集中提取出时间、速度、方向、经度、纬度特征到新表，从而达到数据格式标准化。