【技术实现步骤摘要】
轨迹异常检测方法和装置、电子设备及可读存储介质
[0001]本专利技术涉及大数据分析与智能交通领域，尤其涉及一种轨迹异常 检测方法和装置、电子设备及可读存储介质。
技术介绍
[0002]现有技术中，一般通过小区中的安保人员统计每个人的出入时间， 或者通过民警定期上门摸查，从而可以找到具有昼伏夜出类型的人员。 也有通过统计同一人夜晚出现总次数和白天总次数，计算昼伏夜出比 例进行判断。此外，也出现了昼伏夜出的模型检测方法，具体来说， 假设昼伏夜出车辆为二项分布，各车辆各卡口之间夜间出现概率相互 独立，根据实际的出行记录，建立昼伏夜出概率模型。
[0003][0004]随着流动人口规模不断扩大，社区内的人员数量不断增多，通过 小区中的安保人员统计每个人的出入时间，或者民警定期上门摸查的 方案，找到昼伏夜出类型人员的方法，会给工作人员带来较大的工作 压力，也可能存在遗漏，导致无法正确判断。单纯统计白天/夜晚出 行次数，进行昼伏夜出判断，这种做法没有充分挖掘数据的价值，停 留于数据的简单统计，也会准确率造成影响。昼伏夜出概率模...
【技术保护点】
【技术特征摘要】
1.一种轨迹异常检测方法，其特征在于，包括：获取目标对象的历史行驶轨迹信息及实时行驶轨迹信息；对所述历史行驶轨迹信息进行密度聚类，基于所述密度聚类的结果获得所述目标对象的日间常驻地和夜间常驻地；基于所述目标对象分别在日间常驻地的第一历史停留时长和夜间常驻地的第二历史停留时长，得到昼伏夜出判断比例；基于所述实时行驶轨迹信息，获取并基于所述目标对象分别在日间常驻地的第一实时停留时长和夜间常驻地的第二实时停留时长，得到昼伏夜出实时比例；基于所述昼伏夜出判断比例、昼伏夜出实时比例的比较结果，检测出所述目标对象的实时行驶轨迹是否异常。2.根据权利要求1所述的轨迹异常检测方法，其特征在于，所述对所述历史行驶轨迹信息进行密度聚类，基于所述密度聚类的结果获得所述目标对象的日间常驻地和夜间常驻地，包括：根据时间上和空间上的相似度对所述目标对象的历史行驶轨迹信息进行密度聚类，得到聚类中心，对每个聚类中心进行类内聚类，得到聚类结果，基于预设规则对所述聚类结果进行筛选，获得所述目标对象的日间常驻地和夜间常驻地。3.根据权利要求2所述的轨迹异常检测方法，其特征在于，所述对所述历史行驶轨迹信息进行密度聚类，基于所述密度聚类的结果获得所述目标对象的日间常驻地和夜间常驻地，包括：对于目标对象i，记采集到的历史K个时间周期的经过时间序列x
im
，对应的经过地点序列y
im
和对应的停留时间序列z
im
，m＝1,
…
,K；从K个停留时间序列中筛选数据维度相同的序列进行聚类，记每组经过时间序列集合X
ij
，对应的经过地点序列集合Y
ij
和对应的停留时间序列集合Z
ij
，j＝1，
…
，N，共N组；对第j组经过时间序列集合X
ij
和对应的经过地点序列集合Y
ij
分别进行组内聚类，j＝1，
…
，N，具体步骤如下：设定时间序列集合、地点序列集合中的第h个数据X
ijh
和Y
ijh
为某一类的类中心，遍历所有类别，若集合中的第1个数据X
ijl
和X
ijh
聚为一类，Y
ijl
和Y
ijh
聚为一类，则聚类成功，更新类中心；若均未聚成一类，则自行成为新的类中心；否则则抛弃第1个数据X
ijl
和Y
ijl
；循环遍历所述时间序列集合、地点序列集合，得到最终经过时间序列和经过地点序列聚类结果CX
j
，CY
j
，j＝1，
…
，N；停留时间序列的聚类结果与CZ
j
与CX
j
，CY
j
对应；获得W个类，计算在W个类中，经过时间序列，对应的经过地点序列和对应的停留时间序列的类中心；对于经过地点序列的W个类中心，分别进行类内聚类，得到S个聚类结果，即常驻地个数，Location
w
为第w个类类内聚类个数；将聚类结果映射到经过时间序列和停留时间序列，获得所述常驻地与经过...
【专利技术属性】
技术研发人员：尚舒涵，
申请(专利权)人：中移雄安信息通信科技有限公司中国移动通信集团有限公司，
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。