[发明专利]一种基于轨迹数据流的异常移动对象检测方法

摘要

本发明公开了一种基于轨迹数据流的异常移动对象检测方法，具体步骤如下：步骤一，轨迹数据流异常的度量；步骤二，轨迹数据流索引；步骤三，轨迹数据流异常移动对象的检测。本发明采用既考虑空间位置又考虑时间信息的轨迹间异常度量方法，同时要具备增量更新的能力，提出轻量级的时空轨迹数据流异常度量；本发明通过索引时空轨迹覆盖区域，降低轨迹数据流索引更新频率，从根本上解决轨迹数据流索引频繁更新的问题；本发明提出轨迹数据流与检测查询的组织和管理的框架，能够满足轨迹数据流中异常移动对象检测实时性要求的初始化以及查询增量维护策略，提高了异常移动对象检测增量的维护能力。

主权项

1.一种基于轨迹数据流的异常移动对象检测方法，其特征在于，具体步骤如下：步骤一，轨迹数据流异常的度量：采用奈奎斯特采方法进行采样，轨迹之间距离的度量基于同一时刻两个移动对象位置之间的距离的时态函数，窗口采用基于时间的滑动窗口，每次窗口滑动时间为Δt，采用先淘汰过期数据，再接收新数据的顺序进行更新，当前窗口内的轨迹异常度去除被删除Δt时间段内子轨迹异常度，再加上新到来的Δt时间段内子轨迹异常度，实现增量更新，从而得到最新窗口内轨迹段的距离；步骤二，轨迹数据流索引：采用支持向量机、超限学习机等ELM等先进的机器学习算法的分类方法，对同一类内的移动对象的数据用round-robin的方式存储同一个数据结构中，分别以移动对象、单位子空间和检测查询的ID为键值HASH表来加速对检测信息的访问，采用延迟更新，只在索引的局部进行更新操作，暂不改变全局索引，采用延迟更新，只在索引的局部进行更新操作，暂不改变全局索引；当数据对象移动时，伴随新段轨迹产生同时淘汰过期轨迹段，这都需要对轨迹的索引进行更新，如果产生的新轨迹使某个子空间内移动对象的数量超过最大阈值时，需要对该子空间进行分裂，采用延迟更新，通过分析该子空间在t时刻内是否有移动对象会离开该子空间，如果存在这种可能性，即暂时不分裂该子空间，如果移动对象的某段轨迹失效，需要从索引中删除该段轨迹，采用延迟更新，即只在索引中删除过期的轨迹段，并不立刻删除没有被轨迹覆盖的子空间，而是采用与分裂相近的思想，判断阈值t时刻内是否会有移动对象进入此空间；步骤三，轨迹数据流异常移动对象的检测：检测查询框架，在初始化部分先进行一次完整的检测查询，保存中间结果，再对其进行增量维护。