面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法技术

本发明专利技术涉及一种面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法，是针对现有同类技术中颗粒度较粗，较难通过运载工具的行为特征进行分析，提取运载工具的轨迹指纹，发现用户驾驶过程中的异常行为的技术问题。该方法在提取轨迹指纹的基础上，实现运载工具驾驶行为异常的判定；即先对北斗数据的预处理，重构北斗数据；再采用时空网络将北斗数据重构，将北斗轨迹数据转换成图像，实现轨迹重构；接着对轨迹的图像进行深度学习，结合外部因素实现用户行为模型实现运载工具的轨迹指纹的提取；最后基于轨迹指纹的轻量级异常行为检测，分别对不同天气下用户的轨迹指纹进行采集，并基于轨迹指纹的特征采集，以向量的形式对轨迹指纹进行相似性判断。指纹进行相似性判断。

【技术实现步骤摘要】
面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法


[0001]本专利技术涉及北斗定位数据轨迹的检测，是一种面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法。

技术介绍

[0002]传统对运载工具的轨迹异常检测通常采用聚类算法找出运载工具频繁的运动模式和行为规律之后，结合运载工具的实时驾驶轨迹与运载工具的运动模式进行比对，以此发现测含量的异常行为(越界行驶、异常掉头)。但是这种颗粒度较粗的行为模式对比很难发现用户驾驶过程中的异常行为，比如，超速形式、疲劳驾驶、超时停车等行为。如中国专利文献中披露的申请号201910060911.6，申请公布日2019.05.03，专利技术名称“基于GM跟驰模型的高速公路行程时间估计方法”；该方法将检测器的实测数据对交通流微观模型进行标定，由虚拟车辆跟驰特性分析路段内的交通微观运动属性，进而实现行程时间的估计；从而实现对路段行程时间的估计，显著提升数据颗粒度，同时保证在拥堵状况下的行程时间估计精度，满足当前精细化交通管控对支撑数据的要求。因此，需要选用更细颗粒度的数据来对运载工具的行为特征进行分析，以此提取本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法，该方法在提取轨迹指纹的基础上，实现运载工具驾驶行为异常的判定；其特征在于该方法为了实现运载工具的轨迹指纹，进行以下具体步骤处理：(1)对北斗数据的预处理，重构北斗数据；(2)采用时空网络将北斗数据重构，将北斗轨迹数据转换成图像，实现轨迹重构；(3)对轨迹的图像进行深度学习，结合外部因素实现用户行为模型实现运载工具的轨迹指纹的提取；(4)基于轨迹指纹的轻量级异常行为检测，分别对不同天气下用户的轨迹指纹进行采集，然后基于轨迹指纹的特征采集，以向量的形式对轨迹指纹进行相似性判断。2.根据权利要求1所述的面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法，其特征在于所述步骤(1)中北斗数据的预处理采用滑动窗口重构北斗数据，在判断速度阈值的基础上，再利用窗口内数据的相关关系，结合窗口内平均速度和平均位移，实现对窗口内位移和速度的融合。3.根据权利要求1所述的面向北斗数据的运载工具轨迹指纹异常行为轻量级检测方法，其特征在于所述步骤(2)中轨迹的图像区域划分...

【专利技术属性】
技术研发人员：邱小剑，付珍，高波，张振，江瑞宇，张英孔，
申请(专利权)人：江西省军民融合研究院，
类型：发明
国别省市：