[发明专利]一种基于时空成本融合框架的出租车驾驶欺诈检测方法

权利要求书

1.一种基于时空成本融合框架的出租车驾驶欺诈检测方法，包括如下步骤：

(1)对从出租车GPS系统中获得的原始数据进行预处理；

(2)从大量轨迹中识别出常用轨迹，将其与其他轨迹进行对比，寻找异常轨迹；具体包括如下步骤：

2a).使用标准基线模型获得常用轨迹pr_i；首先使用高斯分布获取正常情况一对节点间N条轨迹下M条常用轨迹,假定在给定M条常用轨迹pr_i(i＝1,2,…,M)的先验条件下，这些轨迹分布具有高斯分布参数的特征：

其中，用均值μ和方差σ²表示高斯分布的概率密度函数；对于M对参数，我们使用最大似然估计方法来进行计算；

2b).建模一对源-目的节点r_s,r_e间的行驶时间分布；首先在r_s,r_e中识别出总共N种不同的行程持续时间，而每个持续时间都被表示为n；行驶时间的观测结果对于给定的先验条件是独立的，因此可将行驶时间的观测值定义为：

其中，p(n_i|pr_i)是给定常用轨迹时间pr_i的行驶时间观测值n_i的条件概率；N和PR分别为所有行驶时间观测值和常用轨迹时间的集合；

2c).结合步骤2b)所得结果计算轨迹的行驶时间证据；在对参数进行估计后，对于给定的p(pr_i)先验概率，定义了行程持续时间为t的轨迹的异常度Abnormal为：

2d).使用统计学的方法对r_s,r_e间行驶距离的概率分布进行计算；首先在r_s,r_e中识别出共有K种不同的行程距离，并将每个距离表示为k，行驶距离的观测结果对于给定的先验条件是独立的；因此可将行驶时间的观测值定义为：

其中，p(k_i|pr_i)是给定常用轨迹距离pr_i的行驶距离观测值k_i的条件概率；K和PR分别为所有行驶距离观测值和常用轨迹距离的集合；

2e).结合步骤2d)所得结果计算轨迹的行驶距离证据；在对参数进行估计后，为了避免存在概率为0的情况，取以e为底的对数；对于给定的p(pr_i)先验概率，定义了行程距离为d的轨迹的异常度Abnormal为：

2f).通过计算两个轨迹的平均速度差，得到两个轨迹的整体运动速度特性的差异度speDis；计算公式如下所示：

其中，v_k,k+1表示相邻两点间的速度，表示常用轨迹上两点间速度的总数量，表示被检测轨迹上两点间速度的总数量；

2g).通过计算两个轨迹的角度差，得到两个轨迹的内部方向波动程度angDis；计算公式如下所示：

其中，θ_k,k+1表示相邻两点间的角度，表示常用轨迹上两点间角度的总数量，表示被检测轨迹上两点间角度的总数量；

2h).通过计算两个轨迹的运动偏转角度差，得到两个轨迹在运动方向上的整体偏转差异dirDis；计算公式如下所示：

其中，d_k,k+1表示相邻两点间的距离，表示常用轨迹上两点间距离的总数量，表示被检测轨迹上两点间距离的总数量，α和β分别表示常用轨迹和被检测轨迹的两点间顺时针角度；

2i).结合步骤2f),2g),2h)所得结果计算轨迹的驾驶成本证据；将所得的speDis，angDis和dirDis使用一种加权多特征成本WMFC的计算方法进行综合处理，得到轨迹的成本异常度Abnormal；计算公式如下所示为：

Abnormal(c)＝WMFC(pr_i,Tr_j) (16)

其中，pr_i表示常用轨迹，Tr_j表示被检测的轨迹；

2j).结合步骤2c),2e),2i)所得结果计算轨迹的综合证据；首先，令A(t),A(d),A(c)分别表示Abnormal(t)，Abnormal(d)，Abnormal(c)，并对其进行预处理；计算公式如下所示：

其中，n表示证据源总数；因此，综合证据可以被表达为：

2k).根据步骤2j)所得结果找到异常轨迹；

(3)基于步骤(2)所得的结果，计算异常轨迹中每个子图的密度，获得区域的异常度指标；

(4)结合步骤(2)和步骤(3)所得的结果进行综合处理，分类得到常规异常轨迹与非常规异常轨迹。