[发明专利]轨迹异常检测方法和系统

权利要求书

1.一种轨迹异常检测方法，其特征在于，包括：

采样得到待检测轨迹的轨迹点后，根据每个轨迹点的空间和时间状态，从采样的轨迹点中提取特征点：若所述轨迹中第个轨迹点和第个轨迹点满足以下2个条件，则判断为特征点；其中，＜；

根据提取的特征点对所述待检测轨迹进行分段；

将分段得到的轨迹段与预先得到的正常、异常模式轨迹段进行比较，根据比较结果识别出异常的轨迹段；

其中，所述2个条件为：

条件1：和为特征点的最小描述长度MDL代价小于等于和不是特征点的代价；

条件2：和为特征点的状态离散指标小于等于设定的阈值；

其中，所述正常、异常模式轨迹段是通过对训练集中的轨迹段进行聚类后得到的；所述训练集中的轨迹段是根据历史轨迹的轨迹点的空间和时间状态提取特征点并对所述历史轨迹分段后得到的；

其中，所述和为特征点的状态离散指标的计算公式如下：

其中，各轨迹点的时间状态参数指标用来衡量轨迹随着时间的变化状态发生的变化；m代表时间状态参数的个数，为轨迹中的第k个子轨迹段，表示子轨迹段的m个时间状态参数中第个时间状态参数的值，表示个子轨迹段第个时间状态参数的平均值。

2.根据权利要求1所述的方法，其特征在于，所述轨迹包括飓风的轨迹，所述轨迹点的时间状态参数指标，其中表示最大持续风速，表示中心最低气压；；

其中，代表由轨迹点形成的多个子轨迹段的最大持续风速的均值，代表由轨迹点形成的多个子轨迹段的中心最低气压的均值，为子轨迹段的最大持续风速，为子轨迹段的中心最低气压；其中，一个子轨迹段是通过连接相邻轨迹点形成的。

3.根据权利要求1所述的方法，其特征在于，所述正常、异常模式轨迹段是通过对训练集中的轨迹段进行聚类后得到的，包括：

对所述训练集中的任意两个轨迹段，根据这两个轨迹段的时间、空间状态，计算这两个轨迹段之间的时空状态距离；

根据计算出的轨迹段之间的时空状态距离，对轨迹段进行聚类。

4.根据权利要求3所述的方法，其特征在于，所述根据这两个轨迹段的时间、空间状态，计算这两个轨迹段之间的时空状态距离包括：

根据如下公式八计算两个轨迹段之间的时空状态距离：

（公式八）

其中，表示轨迹段和轨迹段之间的距离；

其中，，表示的是轨迹段和轨迹段之间的空间距离；、、分别表示轨迹段和轨迹段之间的空间垂直距离、平行距离和角度距离；、、是根据和的空间状态计算得到；

其中，；表示轨迹段和轨迹段的第k个时间状态参数之间的距离；表示轨迹段的第k个时间状态参数的平均值，表示轨迹段的第k个时间状态参数的平均值。

5.根据权利要求3所述的方法，其特征在于，所述根据计算出的轨迹段之间的时空状态距离，对轨迹段进行聚类包括：

根据所述训练集中的轨迹段之间的时空状态距离，确定所述训练集中每个轨迹段的ε-近邻；其中，ε为设定的近邻阈值；

对于所述训练集中每个轨迹段，统计该轨迹段的ε-近邻总数，作为该轨迹段的密度值；并判断该轨迹段的密度值是否小于密度阈值；若是，则确定该轨迹段为低密度轨迹段，否则确定该轨迹段为高密度轨迹段；

对于所述训练集中的每个高密度轨迹段，判断该轨迹段是否为其它高密度轨迹段的ε-近邻；若是，则将两者聚类为同一簇的轨迹段，并将两者确认为聚类得到的正常模式轨迹段；

对于所述训练集中的每个低密度轨迹段，判断该轨迹段是否为任一高密度轨迹段的ε-近邻；若否，则确认该低密度轨迹段为异常模式轨迹段。