基于停留区域识别的子轨迹异常检测方法

对轨迹数据进行分析和处理能够揭示移动对象的运动规律并挖掘出与其相关的隐含信息,移动对象的不规律或异常运动产生了异常轨迹数据,异常数据的出现往往意味着有特殊情况发生,隐含着更有意义的信息,快速、准确地检测异常轨迹能够服务于交通分析及事故检测等具体应用领域.针对传统轨迹异常检测方法没有充分考虑轨迹局部异常的问题,该文提出一种基于停留区域识别的子轨迹异常检测方法:①设计了一种基于密度的停留点检测算法检测轨迹集的停留点,通过寻找核心点以建立初始簇,使用核心点邻域内的点扩展当前簇,并根据簇内的时间间隔是否满足时间条件,从而检测出停留点;②根据停留点集合识别停留区域,将任意2个停留区域作为一对起点和终点区域后对轨迹进行分段;③根据分段后子轨迹的起点区域和终点区域对子轨迹集进行分组;④针对每个分组内的子轨迹,设计子轨迹异常检测算法检测异常空间子轨迹和异常时空子轨迹.在真实轨迹数据集上与传统异常检测方法进行对比,实验结果表明本文所提方法能有效地检测出异常子轨迹,并且运行时间明显低于TRAOD方法,检测准确率比TRAOD方法最高提升了 23.9％;F1分数值相较于ATDC和iBAT方法有明显提升,最高提升率分别为7.8％和16.1％.本研究描述的轨迹异常检测方法可以为交通运输和管理部门提供有效的决策信息,为车辆轨迹数据挖掘提供新的解决方案.