一种基于在线GPS数据的出租车异常轨迹实时检测方法技术

本发明专利技术公开了一种基于在线GPS数据的出租车异常轨迹实时检测方法，包括：步骤1，基于开源的开放街道地图数据对目标城市进行道路路网建模；步骤2，在道路路网模型上应用k最短路径算法求出出租车行驶推荐路径候选集Rec；步骤3，根据推荐路径候选集Rec以及司机从中选择的推荐路径，结合当前出租车的实时GPS数据集，并融入乘客对当前出租车行驶轨迹的反馈，对在线运营的出租车进行异常轨迹实时检测，并将实时检测结果上报交通管理局；步骤4，分析在线的出租车异常轨迹检测的结果，提取出特定的出租车行驶规律，得出区域性的出租车异常行驶报告。

【技术实现步骤摘要】

本专利技术涉及交通大数据处理以及计算机实时计算领域，特别是一种基于在线GPS 数据的出租车异常轨迹实时检测方法。
技术介绍
随着传感器技术的快速发展，海量的位置轨迹信息不断由传感器产生，特别是 GPS(GlobalPositionSystems)传感器，并且通过有效的数据分析方法，隐藏在这些轨迹 信息背后的潜在数据价值可以被挖掘出来。从装载GPS设备的出租车收集而来的移动交 通数据为分析出租车司机行为以及路网变化提供了多样的分析方法。而且挖掘特定GPS 轨迹模式能够促进公共交通管理、城市建设以及公共社会服务质量的提高。GPS轨迹的潜 在价值已经被众多应用体现出来，如J.Yuan等人在"T-drive:drivingdirectionsbased ontaxitrajectories"中使用海量出租车GPS记录挖掘最快最智能的行驶方向为用户提 供方便快捷的路径导航；B.D.Ziebart等人在"Navigatelikeacabbie:Probabilistic reasoningfromobservedcontext-awarebehavior"中基于出租车司机的驾驶经验使用 历史GPS轨迹为用户提供到达目的地的最优驾驶路线；F.Giannotti等人在"Trajectory patternmining"中从空间和时间的角度为频繁轨迹模式提供了精确的描述。 作为整个出租车行业的管理者，交通管理局现在面临着众多管理问题，尤其是当 前出租车监控系统的管理。由于目前技术和监控系统的限制以及大量的运营出租车数量， 交管局无法达到高效的细粒度的出租车监管力度。相比当前出租车轨迹数据的增长量以及 处理复杂度，出租车监控系统已经无法满足现阶段的监管需求，并且当乘客投诉出租车司 机时，交管局必须要投入相当大的人力物力去解决乘客的问题。更需要注意的是，目前并没 有有效的措施和方法去杜绝由出租车司机所实施的出租车诈骗乘客的行为。 目前有许多针对GPS轨迹的异常模型挖掘的工作已经取得了一些成果，传统的异 常检测是在线下数据之上，基于轨迹距离、基于轨迹密度、基于轨迹分布以及基于轨迹偏离 等方面而进行轨迹异常模式识别与挖掘，除此之外，还有基于机器学习等算法通过训练进 行异常轨迹模式挖掘。尽管现阶段有很多轨迹异常检测的技术，但是仍然有些问题并没有 得到有效的解决，比如现在大部分轨迹异常检测技术主要针对的是出租车诈骗行为发生很 长时间之后的检测，这样只能起到事后处理的效果，而且交管局还要承担出租车司机申辩 的代价，并不能为出租车市场的监管提供有效的管理。更进一步来说，当前的异常轨迹检测 大部分都是依靠数据分析推理，并不能处理一些乘客特殊的需求。
技术实现思路
专利技术目的：本专利技术所要解决的技术问题是针对现有技术的不足，提供一种基于在 线GPS数据的出租车异常轨迹实时检测方法。 为了解决上述技术问题，本专利技术公开了一种基于在线GPS数据的出租车异常轨迹 实时检测方法，包括以下步骤： 步骤I:基于开源的开放街道地图（OpenStreetMap)数据对目标城市进行道路路 网建模； 步骤2 :对于每辆出租车，根据车载传感器（平板电脑中的车载传感器）接收的旅 程起点以及乘客确认的旅程终点，分别从路网道路距离以及路网道路平均行驶时间两个方 面，在道路路网模型之上应用k最短路径算法（KSP)进行高效准确的出租车行驶路径推荐， 并得到推荐路径候选集Rec; 步骤3 :根据推荐路径候选集Rec以及司机从中选择的推荐路径，结合当前出租车 的实时GPS数据集，并且融入乘客对当前出租车行驶轨迹的反馈，对在线运营的出租车进 行异常轨迹实时检测，其中实时检测结果包括异常出租车车牌信息、出租车司机基本信息、 发生异常的地点（经炜度）、发生异常的时间、乘客上车地点（经炜度）、出租车交易单号等 信息，并将该实时检测结果上传并记录到交通管理局指定的数据库中； 步骤4:对于在线的出租车异常轨迹检测的结果，根据数据分析算法对检测结果 进行分析，并提取出城市出租车行驶规律，包括不同城区、不同时段、不同公司的出租车异 常记录统计，并以此基础对城市不同区域的出租车司机进行月度、季度和年度评分，最终将 结果反馈给交通局管理局、出租车公司等有关部门。 本专利技术中，根据目标城市的开放街道地图数据所提供的四种基本数据结构：节点 Node，道路Way，模型关系Relation，模型标签Tag，抽象出目标城市的基本道路路网模型。 路节Segment是每条道路的基本单元，它是由一系列连续有序的Nodes所生成的具有较短 距离的路段单位。而且路段Section是Segment进一步的抽象，它是由一系列连续有序的 Segments生成的，并且Segment的端点是道路间的交叉路口。所以，通过抽象开放街道地图 数据的基本数据结构，可以得到以Section为基础的目标城市的道路路网模型。 本专利技术中，根据已经生成的目标城市道路路网模型、出租车起始载客地点0、以及 乘客上车之后确定的旅程终点D，分别从路网道路距离以及路网道路平均行驶时间两个方 面，使用k最短路径算法（k-Shortest-Path，KSP)，对该出租车随后的载客行行为进行相对 应的行驶路径推荐。 由于传统离散的GPS点出租车轨迹tr的表现形式已经无法满足后续的在线异 常轨迹实时检测，所以在本专利技术中，离散的GPS点出租车轨迹被转化为GPS点所对应的 Section序列，即抽象的出租车轨迹atr，其表现形式如下所示： atr = {sec^------sec广----^secJ (1) 其中，sec』是tr中GPS点p所投影映射的Section，并且atr中Section的顺序 与tr中GPS点p的顺序保持一致。 因此，当给定乘客确定的0和D之后，利用k最短路径算法（KSP)从路网道路距离 以及路网道路平均行驶时间两方面分别给出合适的k条推荐路径，组成推荐路径候选集合 Rec，艮PRec={atrp…，atrk} 〇 本专利技术中，根据推荐路径候选集合Rec以及出租车司机在Rec中最终选择的基准 推荐路径atrbeneh，结合当前出租车的实时GPS数据集，分别从当前出租车行驶方向以及行 驶距离两个方面对在线运营的出租车进行异常轨迹实时检测，并且检测的结果融入乘客的 实时反馈，使得异常轨迹的检测结果更加准确，与此同时将实时检测结果上报交通管理局。 从当前出租车行驶方向来看，在给定起始点0和终点D之后，出租车行驶的大致方 向是可以被确定的，而且当给定推荐路径候选集合Rec和司机在Rec中最终选择的基准推 荐路径atrbeaTCh时，出租车行驶的方向便更容易地确定在一定范围之内。根据以下公式确定 当前出租车行驶方向是否为异常：【主权项】1. 一种基于在线GPS数据的出租车异常轨迹实时检测方法，其特征在于：包当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于在线GPS数据的出租车异常轨迹实时检测方法，其特征在于：包括以下步骤：步骤1，基于开源的开放街道地图数据对目标城市进行道路路网建模；步骤2，根据每辆出租车的车载传感器接收的旅程起点以及乘客确认的旅程终点，在道路路网模型上应用k最短路径算法求出出租车行驶推荐路径候选集Rec；步骤3，根据推荐路径候选集Rec以及司机从中选择的推荐路径，结合当前出租车的实时GPS数据集，并融入乘客对当前出租车行驶轨迹的反馈，对在线运营的出租车进行异常轨迹实时检测，其中实时检测结果包括异常出租车车牌信息、出租车司机基本信息、发生异常的地点(经纬度)、发生异常的时间、乘客上车地点(经纬度)、出租车交易单号等信息，并将该实时检测结果上传并记录到交通管理局指定的数据库中；步骤4，分析在线的出租车异常轨迹检测的结果，提取出城市出租车行驶规律，包括不同城区、不同时段、不同公司的出租车异常记录统计。

【技术特征摘要】

【专利技术属性】
技术研发人员：窦万春，贾国超，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32