基于轨迹大数据的轨迹异常检测方法技术

本发明专利技术公开了一种基于轨迹大数据的轨迹异常测方法，该方法具体包括如下步骤：S1、将车辆的轨迹点匹配到城市网络中，形成带有路段标识的轨迹点记录车辆轨迹；S2、对车辆轨迹进行异常轨迹检测，包括：绕路异常轨迹检测、速度异常轨迹检测及变道异常轨迹检测；S3、输出异常轨迹及异常类别。将用户轨迹的时空特性与路网环境相结合，方面考虑了用户轨迹的特征，基于轨迹大数据对用户轨迹分别进行绕路异常、速度异常及变道异常检测，针对用户轨迹进行全方位的异常检测，能更精准的识别用户异常轨迹。

【技术实现步骤摘要】
基于轨迹大数据的轨迹异常检测方法
本专利技术属于大数据领域，更具体地，本专利技术涉及一种基于轨迹大数据的轨迹异常检测方法。
技术介绍
随着Internet，无线通信技术，GPS定位等技术的飞速发展，越来越来越多的移动对象，尤其是私家车、出租车等车辆配备了诸如GPS或其他定位设备，使得人们可以收集和存储更多的车辆轨迹数据。如何快速处理和有效利用大量的车辆轨迹数据以服务于智能交通、智慧城市等领域引起了大量研究人员的兴趣，其中车辆异常轨迹检测是轨迹模式挖掘中的一个重要研究课题。根据世界卫生组织的数据，全世界每年道路交通死亡总数约为124万。事故的主要原因与超速，酒后驾车，不安全的行车道，不正确的转弯等有关。汽车已经成为城市生活代步的一种重要交通工具，汽车用户是城市中分布最广泛且对城市路网数据最熟悉的群体，异常驾驶行为主要分为三类：1)绕路异常；2)超速异常；3)变道异常。然而，现有的轨迹异常检测方法通常通过机器学习算法训练出的检测模型可能只适用于一种异常检测，如超速异常识别，以区分正常轨迹和异常轨迹，识别方法可能只针对轨迹的部分特征进行检测。本文档来自技高网...

【技术保护点】
1.一种基于轨迹大数据的轨迹异常检测方法，其特征在于，所述方法具体包括如下步骤：/nS1、将车辆的轨迹点匹配到城市网络中，形成带有路段标识的轨迹点记录车辆轨迹；/nS2、对车辆轨迹进行三种异常轨迹检测，包括：绕路异常轨迹检测、速度异常轨迹检测及变道异常轨迹检测；/nS3、取三种异常轨迹的并集，并集内的轨迹均为异常轨迹，输出异常轨迹及异常类别。/n

【技术特征摘要】
1.一种基于轨迹大数据的轨迹异常检测方法，其特征在于，所述方法具体包括如下步骤：
S1、将车辆的轨迹点匹配到城市网络中，形成带有路段标识的轨迹点记录车辆轨迹；
S2、对车辆轨迹进行三种异常轨迹检测，包括：绕路异常轨迹检测、速度异常轨迹检测及变道异常轨迹检测；
S3、取三种异常轨迹的并集，并集内的轨迹均为异常轨迹，输出异常轨迹及异常类别。


2.如权利要求1所述基于轨迹大数据的轨迹异常检测方法，其特征在于，所述车辆轨迹的形成方法具体包括如下步骤：
S11、基于观测概率模型及转移概率模型分别计算轨迹点相对于各路段观测概率及转移概率；
S12、采用viterbi算法进行轨迹点序列的匹配，形成最优概率路径的选择，即为车辆轨迹。


3.如权利要求1或2所述基于轨迹大数据的轨迹异常检测方法，其特征在于，绕路异常轨迹的检测方法具体包括如下步骤：
S21、将轨迹按起止路段分类，具有相同起止路段的轨迹属于同一类；
S22、建立各类轨迹的类相似性矩阵；
S23、将各类相似性矩阵依次作为独立森林算法的输入，输出各类轨迹中的绕路异常轨迹。


4.如权利要求3所述基于轨迹大数据的轨迹异常检测方法，其特征在于，类相似性矩阵表示如下：



其中，矩阵元素SIMij表示第i条轨迹与第j条轨迹的相似性。


5.如权利要求4所述基于轨迹大数据的轨迹异常检测方法，其特征在于，类相似性矩阵的矩阵维度基于如下公式进行设置：



其中，len(d...

【专利技术属性】
技术研发人员：章海燕，罗永龙，俞庆英，孙振强，李雪静，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：安徽;34