本申请公开了基于时空数据的异常检测方法和装置，涉及智能城市技术领域，该方法包括：接收异常检测请求，获取对应的行驶轨迹数据，基于行驶轨迹数据生成无向图；对无向图中的各节点执行节点重构任务，进而确定各节点对应的重构损失值；对各节点进行聚类，生成对应的聚类簇；确定距离各节点最近的聚类簇，进而计算各节点与对应的最近的聚类簇的最短距离；基于最短距离确定推断误差，进而基于重构损失值、最短距离和推断误差确定无向图中的异常节点并输出。通过从节点重构、聚类两个角度结合来对异常点进行检测，辅助决策，提升基于时空数据的异常检测方法的精度，有助于对异常事件的及时规避。及时规避。及时规避。
【技术实现步骤摘要】
一种基于时空数据的异常检测方法和装置
[0001]本申请涉及智能城市
，尤其涉及市域治理
，具体涉及一种基于时空数据的异常检测方法和装置。
技术介绍
[0002]针对驻留异常的检测，通常基于业务知识，设计相关异常规则进行检测，依赖业务场景，通用性较差。
[0003]在实现本申请过程中，专利技术人发现现有技术中至少存在如下问题：
[0004]基于业务知识对驻留异常进行的检测，通用性较差。
技术实现思路
[0005]有鉴于此，本申请实施例提供一种基于时空数据的异常检测方法和装置，能够解决现有的基于业务知识对驻留异常进行的检测，通用性较差的问题。
[0006]为实现上述目的，根据本申请实施例的一个方面，提供了一种基于时空数据的异常检测方法，包括：
[0007]接收异常检测请求，获取对应的行驶轨迹数据，基于行驶轨迹数据生成无向图；
[0008]对无向图中的各节点执行节点重构任务，进而确定各节点对应的重构损失值；
[0009]对各节点进行聚类，生成对应的聚类簇；
[0010]确定距离各节点最近的聚类簇，进而计算各节点与对应的最近的聚类簇的最短距离；
[0011]基于最短距离确定推断误差，进而基于重构损失值、最短距离和推断误差确定无向图中的异常节点并输出。
[0012]可选地，基于行驶轨迹数据生成无向图，包括：
[0013]提取行驶轨迹数据中的驻留时间，进而根据驻留时间确定驻留地块；
[0014]根据行驶轨迹数据，确定各驻留地块之间的连接频次；
[0015]基于驻留地块和连接频次生成无向图。
[0016]可选地，基于驻留地块和连接频次生成无向图，包括：
[0017]将各驻留地块对应的轨迹信息提取为节点轨迹特征，将连接频次作为边特征，进而根据各节点轨迹特征和各边特征生成无向图。
[0018]可选地，基于重构损失值、最短距离和推断误差确定无向图中的异常节点，包括：
[0019]基于重构损失值、最短距离和推断误差，确定异常分数；
[0020]根据异常分数，确定无向图中的异常节点。
[0021]可选地，对无向图中的各节点执行节点重构任务，包括：
[0022]基于无向图中的各节点生成节点重构任务；
[0023]调用重构网络模型，执行各节点重构任务，进而生成各节点的重构特征。
[0024]可选地，确定各节点对应的重构损失值，包括：
[0025]对于无向图中的每一个节点，计算对应的重构特征与对应的节点轨迹特征的差异值，进而将差异值确定为该节点对应的重构损失值。
[0026]可选地，计算各节点与对应的最近的聚类簇的最短距离，包括：
[0027]确定各聚类簇的中心点；
[0028]调用推断网络模型，以计算各节点与对应的最近的聚类簇的中心点之间的最短距离，进而确定为各节点与对应的最近的聚类簇的最短距离。
[0029]可选地，计算各节点与对应的最近的聚类簇的中心点之间的最短距离，包括：
[0030]确定各节点到对应的最近的聚类簇中心的最短跳数和总连接频次；
[0031]根据各最短跳数和各总连接频次，计算各节点与对应的最近的聚类簇的中心点之间的最短距离。
[0032]可选地，在调用重构网络模型之前，方法还包括：
[0033]获取第一初始神经网络模型；
[0034]获取训练样本集，训练样本集包括样本节点轨迹特征，将样本节点轨迹特征作为第一初始神经网络模型的输入，将样本节点轨迹特征作为第一初始神经网络模型的期望输出，并以最小化重构损失值为目标对第一初始神经网络模型进行训练，以得到重构网络模型。
[0035]可选地，在调用推断网络模型之前，方法还包括：
[0036]获取第二初始神经网路模型；
[0037]获取训练得到的重构网络模型中的encoder最后一层的输出节点轨迹特征并作为第二初始神经网络模型的输入，获取输出节点轨迹特征对应的节点到对应的聚类簇中心点的最短距离并作为第二初始神经网络模型的期望输出，并以最小化推断误差作为目标对第二初始神经网络模型进行训练，以得到推断网络模型。
[0038]可选地，基于行驶轨迹数据生成无向图，包括：
[0039]获取路网数据和兴趣点数据；
[0040]基于行驶轨迹数据、路网数据和兴趣点数据生成无向图。
[0041]另外，本申请还提供了一种基于时空数据的异常检测装置，包括：
[0042]接收单元，被配置成接收异常检测请求，获取对应的行驶轨迹数据，基于行驶轨迹数据生成无向图；
[0043]重构单元，被配置成对无向图中的各节点执行节点重构任务，进而确定各节点对应的重构损失值；
[0044]聚类簇生成单元，被配置成对各节点进行聚类，生成对应的聚类簇；
[0045]距离计算单元，被配置成确定距离各节点最近的聚类簇，进而计算各节点与对应的最近的聚类簇的最短距离；
[0046]异常检测单元，被配置成基于最短距离确定推断误差，进而基于重构损失值、最短距离和推断误差确定无向图中的异常节点并输出。
[0047]可选地，接收单元进一步被配置成：
[0048]提取行驶轨迹数据中的驻留时间，进而根据驻留时间确定驻留地块；
[0049]根据行驶轨迹数据，确定各驻留地块之间的连接频次；
[0050]基于驻留地块和连接频次生成无向图。
[0051]可选地，接收单元进一步被配置成：
[0052]将各驻留地块对应的轨迹信息提取为节点轨迹特征，将连接频次作为边特征，进而根据各节点轨迹特征和各边特征生成无向图。
[0053]可选地，异常检测单元进一步被配置成：
[0054]基于重构损失值、最短距离和推断误差，确定异常分数；
[0055]根据异常分数，确定无向图中的异常节点。
[0056]可选地，重构单元进一步被配置成：
[0057]基于无向图中的各节点生成节点重构任务；
[0058]调用重构网络模型，执行各节点重构任务，进而生成各节点的重构特征。
[0059]可选地，重构单元进一步被配置成：
[0060]对于无向图中的每一个节点，计算对应的重构特征与对应的节点轨迹特征的差异值，进而将差异值确定为该节点对应的重构损失值。
[0061]可选地，距离计算单元进一步被配置成：
[0062]确定各聚类簇的中心点；
[0063]调用推断网络模型，以计算各节点与对应的最近的聚类簇的中心点之间的最短距离，进而确定为各节点与对应的最近的聚类簇的最短距离。
[0064]可选地，距离计算单元进一步被配置成：
[0065]确定各节点到对应的最近的聚类簇中心的最短跳数和总连接频次；
[0066]根据各最短跳数和各总连接频次，计算各节点与对应的最近的聚类簇的中心点之间的最短距离。
[0067]可本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于时空数据的异常检测方法，其特征在于，包括：接收异常检测请求，获取对应的行驶轨迹数据，基于所述行驶轨迹数据生成无向图；对所述无向图中的各节点执行节点重构任务，进而确定所述各节点对应的重构损失值；对所述各节点进行聚类，生成对应的聚类簇；确定距离所述各节点最近的聚类簇，进而计算所述各节点与对应的最近的聚类簇的最短距离；基于所述最短距离确定推断误差，进而基于所述重构损失值、所述最短距离和所述推断误差确定所述无向图中的异常节点并输出。2.根据权利要求1所述的方法，其特征在于，所述基于所述行驶轨迹数据生成无向图，包括：提取所述行驶轨迹数据中的驻留时间，进而根据所述驻留时间确定驻留地块；根据所述行驶轨迹数据，确定各所述驻留地块之间的连接频次；基于所述驻留地块和所述连接频次生成无向图。3.根据权利要求2所述的方法，其特征在于，所述基于所述驻留地块和所述连接频次生成无向图，包括：将各所述驻留地块对应的轨迹信息提取为节点轨迹特征，将所述连接频次作为边特征，进而根据各所述节点轨迹特征和各所述边特征生成无向图。4.根据权利要求1所述的方法，其特征在于，所述基于所述重构损失值、所述最短距离和所述推断误差确定所述无向图中的异常节点，包括：基于所述重构损失值、所述最短距离和所述推断误差，确定异常分数；根据所述异常分数，确定所述无向图中的异常节点。5.根据权利要求2所述的方法，其特征在于，所述对所述无向图中的各节点执行节点重构任务，包括：基于所述无向图中的各节点生成节点重构任务；调用重构网络模型，执行各所述节点重构任务，进而生成各节点的重构特征。6.根据权利要求5所述的方法，其特征在于，所述确定所述各节点对应的重构损失值，包括：对于无向图中的每一个节点，计算对应的重构特征与对应的节点轨迹特征的差异值，进而将所述差异值确定为该节点对应的重构损失值。7.根据权利要求5所述的方法，其特征在于，所述计算所述各节点与对应的最近的聚类簇的最短距离，包括：确定各所述聚类簇的中心点；调用推断网络模型，以计算所述各节点与对应的最近的聚类簇的中心点之间的最短距离，进而确定为所述各节点与对应的最近的聚类簇的最短距离。8.根据权利要求7所述的方法，其特征在于，所述计算所述各节点与对应的最近的聚类簇的中心点之间的最短距离，包括：确定所述各节点到对应的最近的聚类簇中心的最短跳数和总连接频次；根据各所述最短跳数和各...
【专利技术属性】
技术研发人员：孙彦苹，张钧波，郑宇，
申请(专利权)人：京东城市北京数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。