CN112230253B - 基于公共切片子序列的轨迹特征异常检测方法 - Google Patents

Abstract

本发明涉及信息技术处理技术领域，提供了一种基于公共切片子序列的轨迹特征异常检测方法。解决传统方法仅仅考虑公共部分的情况下，会容易把异常的轨迹误认为成正常的轨迹。主要方案包计算两轨迹间非公共部分的差异D′，判断两轨迹非公共部分的差异小于差异判别阈值，且最长公共部分占整条轨迹的比例超过阈值，则两轨迹特征相似；判断轨迹集中与当前轨迹特征相似的其他轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为特征正常轨迹，否则特征异常轨迹。

Description

基于公共切片子序列的轨迹特征异常检测方法

技术领域

本发明涉及信息技术处理技术领域，提供了一种基于公共切片子序列的轨迹特征异常检测方法。

背景技术

随着各种GPS设备和无线通信技术的飞速发展，大量的运动目标轨迹数据被生成和采集。例如移动用户、车辆、动物和飓风的移动数据。对这些数据的分析可以帮助研究者获得许多有价值的信息，如热点、兴趣模式、位置预测和其他相关的隐含事实。因此，人们对轨迹模式挖掘越来越感兴趣，其中轨迹离群点检测(TOD)是最热门的研究课题之一。

众所周知，离群值是指与剩余数据集严重不同或不一致的数据对象。这是一个非常罕见的模式，可能表明一个异常事件。因此，异常点检测是一项重要的数据分析任务。轨迹离群点(也称为离群轨迹)是基于某种相似性评价机制，在一定时间间隔内与大多数其它轨迹有较大差异的轨迹。TOD属于时空异常点检测的范畴，因为轨迹具有时空特征。检测结果可以帮助识别可疑活动，移动物体，因此可用于许多应用中，例如恶劣的天气预报，安全监控以及智能交通和科学研究。如Chen等。文献中提出的一种热带气旋***或飓风可被视为大气***的异常活动。此外，轨迹离群值的检测和去除对于提高轨迹相似度聚类算法的效率具有重要意义。

现有的异常检测技术包含四类，基于分类的检测技术、基于历史相似性的检测技术、基于距离的检测技术以及基于网格划分的检测技术。但现有的大多数异常检测技术在进行轨迹相似性度量过程中，都只考虑了轨迹相近的部分，而未考虑到轨迹相异的部分对两轨迹之间相似性度量的影响，特征提取不充分，会降低异常检测的精确度，因此迫切需要研究综合轨迹相近和相异部分的异常检测算法。

发明内容

本发明的目的在于解决现有技术仅仅考虑两轨迹相似部分，未考虑不相似的部分，无法对相似度较高的异常轨迹进行检查，如两轨迹方向切片编码90％相同，但有一个切片编码出现了较大的差异，明显为异常轨迹，这种仅仅考虑相似部分的方法，则会判断为正常轨迹，因为会造成异常轨迹漏检。本申请加入了轨迹非公共部分序列对两轨迹相似性度量的影响，提高了检测精度。

本发明未解决上述技术问题采用以下技术方案：

基于公共切片子序列的轨迹特征异常检测方法，包括以下步骤：

步骤1：将每条轨迹上相邻的两点用线段连接起来，每一个线段即为轨迹段，一条轨迹由一系列轨迹段组成；

步骤2：在平面直角坐标系中，以原点为起点画N条射线，将平面平均地分成N个小平面,为每个平面编号，依次为整数1～N,再计算出每个轨迹段的斜率，斜率所在平面的编号即为该轨迹段的方向码；

步骤3：若某个点的相邻两个轨迹段的方向值的差异超过阈值，则该点为一个拐点，再依次将轨迹中的拐点用线段连接起来，此时的线段为轨迹切片，轨迹切片重新组成了轨迹，计算切片两拐点之间的轨迹段的平均值x_nm，平均值余数进位，作为轨迹切片方向编码，轨迹切片方向编码组成轨迹切片方向编码序列X_n，

X_n＝[x_n1,x_n2,x_n3,……,x_nm]

其中x_nm中n代表轨迹的编号，m代表轨迹切片编号，X_n中n代表轨迹的编号；

步骤4：轨迹切片完毕之后，找出任意两轨迹之间的切片方向编码序列的最长公共子序列Z:

Z＝[z₁,z₂,z₃,……,z_k]

，将并将轨迹切片方向编码序列X_n通过最长公共子序列的元素z_k为分隔符,将轨迹切片方向编码序列X_n切分为不包含最长公共子序列的元素z_k的非公共部分序列串X_nzk，非公共部分序列串组成的每个轨迹的非公共部分集合即两轨迹非公共部分：

D＝{X_nz1,X_nz2,……X_nZk}

其中X_nzk代表非公共部分序列串，其下标含义，n代表轨迹的编号，X_nzk代表在第n个轨迹中，最长公共子序列的元素z_k-1和z_k之间的轨迹切片方向编码序列；

步骤5：计算两轨迹间非公共部分的差异D'，判断两轨迹非公共部分的差异小于差异判别阈值，且最长公共部分占整条轨迹的比例超过阈值，则两轨迹特征相似；

步骤6：判断轨迹集中与当前轨迹特征相似的其他轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为特征正常轨迹，否则为特征异常轨迹。

步骤7：通过最长公共部分中的轨迹片计算出轨迹之间的距离；

步骤8：如两轨迹之间的距离小于阈值，代表两轨迹近邻，若当前轨迹邻近的轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为正常轨迹，否则为距离异常轨迹。

上述技术方案中，步骤5中非公共部分的差异D'获得包括以下步骤：

取两轨迹的两轨迹非公共部分分别记为：

轨迹A：DA＝{X_Az1,X_Az2,……X_Azk}；

轨迹B：DB＝{X_Bz1,X_Bz2,……X_Bzk}；

轨迹A与轨迹B的轨迹切片方向编码序列表示：

X_Azk的轨迹切片方向编码序列记为：[x′_A1,x′_A2,…,x′_Am]；

X_Bzk的轨迹切片方向编码序列记为：[x′_B1,x′_B2,…,x′_Bn]；

当m-n＝0时，累加求和得到非公共部分序列串X_Azk与非公共部分序列串X_Bzk的局部差异值r_zk：

当m-n<0时，累加求和得到局部差异值r_zk：

r_zK＝r_zk′+n-m n-m代表X_Bzk的轨迹切片方向编码序列项数超过X_Azk的轨迹切片方向编码序列的项数，超出部分直接记为差异，每多一项r＝r+1，

当m-n>0时，累加求和得到局部差异值r_zk：

r_zk＝r_zk′+m-n

非公共部分的差异D'＝(r_z1+r_z2+…r_zk)/k。

因为采用上述技术方案，本发明具备以下有益效果：

轨迹异常检测方法对交通管理、安全监控、刑事侦破等诸多领域有着广泛的应用前景与研究价值。如车辆交通调度需要根据车辆异常轨迹模式判断出当前道路的拥塞情况，并对车辆进行有序指挥引导；安全监控需要连续地对轨迹数据进行异常检测，在异常情况发生的初期做出警示或相应决策，及时消除安全隐患；除此之外车辆轨迹异常检测在出租车行驶过程中发生的绕路行为、由意外交通事故或道路临时封锁等引发的部分路段拥塞等方面均具有较好的应用前景。

传统方法仅仅考虑公共部分的情况下，会容易把异常的轨迹误认为成正常的轨迹。

附图说明

图1为轨迹切片示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

基于公共切片子序列的轨迹特征异常检测方法，包括以下步骤：

步骤1：将每条轨迹上相邻的两点用线段连接起来，每一个线段即为轨迹段，一条轨迹由一系列轨迹段组成；

步骤2：在平面直角坐标系中，以原点为起点画N条射线，将平面平均地分成N个小平面,为每个平面编号，依次为整数1～N,再计算出每个轨迹段的斜率，斜率所在平面的编号即为该轨迹段的方向码；

步骤3：若某个点的相邻两个轨迹段的方向值的差异超过阈值，则该点为一个拐点，再依次将轨迹中的拐点用线段连接起来，此时的线段为轨迹切片，轨迹切片重新组成了轨迹，计算切片两拐点之间的轨迹段的平均值x_nm，平均值余数进位，作为轨迹切片方向编码，轨迹切片方向编码组成轨迹切片方向编码序列X_n，

X_n＝[x_n1,x_n2,x_n3,……,x_nm]

其中x_nm中n代表轨迹的编号，m代表轨迹切片编号，X_n中n代表轨迹的编号；

步骤4：轨迹切片完毕之后，找出任意两轨迹之间的切片方向编码序列的最长公共子序列Z:

Z＝[z₁,z₂,z₃,……,z_k]

，将并将轨迹切片方向编码序列X_n通过最长公共子序列的元素z_k为分隔符,将轨迹切片方向编码序列X_n切分为不包含最长公共子序列的元素z_k的非公共部分序列串X_nzk，非公共部分序列串组成的每个轨迹的非公共部分集合即两轨迹非公共部分：

D＝{X_nz1,X_nz2,……X_nzk}

其中X_nzk代表非公共部分序列串，其下标含义，n代表轨迹的编号，X_nzk代表在第n个轨迹中，最长公共子序列的元素z_k-1和z_k之间的轨迹切片方向编码序列；

步骤5：计算两轨迹间非公共部分的差异D'，判断两轨迹非公共部分的差异小于指定值，且最长公共部分占整条轨迹的比例超过阈值，则两轨迹特征相似；

步骤6：判断轨迹集中与当前轨迹特征相似的其他轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为特征正常轨迹，否则特征异常轨迹。

步骤7：通过最长公共部分中的轨迹片计算出轨迹之间的距离；

步骤8：如两轨迹之间的距离小于阈值，代表两轨迹近邻，若当前轨迹邻近的轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为正常轨迹，否则为距离异常轨迹。

上述技术方案中，步骤5中非公共部分的差异D'获得包括以下步骤：

取两轨迹的两轨迹非公共部分分别记为：

轨迹A：D_A＝{X_Az1,X_Az2,……X_Azk}；

轨迹B：D_B＝{X_Bz1,X_Bz2,……X_Bzk}；

轨迹A与轨迹B的轨迹切片方向编码序列表示：

X_Azk的轨迹切片方向编码序列记为：[x′_A1,x′_A2,…,x′_Am]；

X_Bzk的轨迹切片方向编码序列记为：[x′_B1,x′_B2,…,x′_Bn]；

当m-n＝0时，累加求和得到非公共部分序列串X_Azk与非公共部分序列串X_Bzk的局部差异值r_zk：

当m-n<0时，累加求和得到局部差异值r_zk：

r_zk＝r_zk'+n-mn-m代表X_Bzk的轨迹切片方向编码序列项数超过X_Azk的轨迹切片方向编码序列的项数，超出部分直接记为差异，每多一项r_zk＝r_zk+1，

当m-n>0时，累加求和得到局部差异值r_zk：

r_zk＝r_zk′+m-n

非公共部分的差异D'＝(r_z1+r_z2+…r_zk)/k。

实施例1

如图1中3条轨迹的轨迹切片方向编码序列：

X₁＝[3,2,1,13,16,2,12,7]

X₂＝[3,2,1,14,15,2,14,7]

X₃＝[3,2,1,3,6,2,6,7]

三条轨迹的公共部分如图中加粗部分所示，即轨迹的公共部分序列为

Z＝[3,2,1,2,7],三条轨迹都对应两个非公共部分。由于三条轨迹的公共部分切片数与整条轨迹切片数的比值一样，单纯考虑轨迹公共部分无法精确地检测出异常轨迹，因此需要将轨迹非公共部分的差异也考虑进来。

非公共部分差异值计算(设差异阈值t＝2，差异判别阈值＝1)：

(1)X₁和X₂第一个公共部分差异值计算：

局部差异值为

并且

的初始值为0。

因为|13-14|<＝2,所以此时

等于0；

又因为|16-15|<＝2，所以此时

即

(2)X₁和X₂第二个公共部分差异值计算：

有|12-14|>＝2

可得X₁和X₂之间非公共部分的差异值

(3)X₁和X₃第一个公共部分差异值计算：

局部差异值为

并且

的初始值为0。

因为|13-2|>＝2,所以此时

等于1；

又因为|16-6|<＝2，所以此时

即

(也就是

累加)

(2)X₁和X₃第二个公共部分差异值计算：

有|12-6|>＝2

可得X₁和X₃之间非公共部分的差异值

结果：由于X₁和X₂之间的差异D'＝0.5并且r<判别阈值(等于1)，因此我们将X₁和X₂看作特征相似；

由于X₁和X₃之间的差异D'＝1.5并且r>1，因此我们将X₁和X₃看作特征相异，所以可以判别出X₃特征异于X₁和X₂。

Claims (2)

1.基于公共切片子序列的轨迹特征异常检测方法，其特征在于，包括以下步骤：

步骤1：将每条轨迹上相邻的两点用线段连接起来，每一个线段即为轨迹段，一条轨迹由一系列轨迹段组成；

步骤2：在平面直角坐标系中，以原点为起点画N条射线，将平面平均地分成N个小平面，为每个平面编号，依次为整数1～N，再计算出每个轨迹段的斜率，斜率所在平面的编号即为该轨迹段的方向码；

步骤3：若某个点的相邻两个轨迹段的方向值的差异超过阈值，则该点为一个拐点，再依次将轨迹中的拐点用线段连接起来，此时的线段为轨迹切片，轨迹切片重新组成了轨迹，计算切片两拐点之间的轨迹段的平均值x_nm，平均值余数进位，作为轨迹切片方向编码，轨迹切片方向编码组成轨迹切片方向编码序列X_n，

X_n＝[x_n1，x_n2，x_n3，......，x_nm]

其中x_nm中n代表轨迹的编号，m代表轨迹切片编号，X_n中n代表轨迹的编号；

步骤4：轨迹切片完毕之后，找出任意两轨迹之间的切片方向编码序列的最长公共子序列Z：

Z＝[z₁，z₂，z₃，......，z_k]，

将并将轨迹切片方向编码序列X_n通过最长公共子序列的元素z_k为分隔符，将轨迹切片方向编码序列X_n切分为不包含最长公共子序列的元素z_k的非公共部分序列串X_nzk，非公共部分序列串组成的每个轨迹的非公共部分集合即两轨迹非公共部分：

D＝{X_nz1，X_nz2，……X_nzk｝

其中X_nzk代表非公共部分序列串，其下标含义，n代表轨迹的编号，X_nzk代表在第n个轨迹中，最长公共子序列的元素z_k-1和z_k之间的轨迹切片方向编码序列：

步骤5：计算两轨迹间非公共部分的差异D′，判断两轨迹非公共部分的差异小于差异判别阈值，且最长公共部分占整条轨迹的比例超过阈值，则两轨迹特征相似；

步骤6：判断轨迹集中与当前轨迹特征相似的其他轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为特征正常轨迹，否则特征异常轨迹；

步骤5中非公共部分的差异D′获得包括以下步骤：

取两轨迹的两轨迹非公共部分分别记为：

轨迹A：D_A＝{X_Az1，X_Az2，……X_Azk｝；

轨迹B：D_B＝{X_Bz1，X_Bz2，……X_Bz｝；

轨迹A与轨迹B的轨迹切片方向编码序列表示：

X_Azk的轨迹切片方向编码序列记为：[x′_A1，x′_A2，...，x′_Am]；

X_Bzk的轨迹切片方向编码序列记为：[x′_B1，x′_B2，...，x′_Bn]；

当m-n＝0时，累加求和得到非公共部分序列串X_Azk与非公共部分序列串X_Bzk的局部差异值r_zk：

当m-n＜0时，累加求和得到局部差异值r_zk：

r_zK＝r_zk′+n－m n-m代表X_Bzk的轨迹切片方向编码序列项数超过X_Azk的轨迹切片方向编码序列的项数，超出部分直接记为差异，每多一项r＝r+1，

当m-n＞0时，累加求和得到局部差异值r_zk：

r_zk＝r_zk′+m-n

非公共部分的差异D＝(r_z1+r_z2+…r_zk)/k。

2.根据权利要求1所述的基于公共切片子序列的轨迹特征异常检测方法，其特征在于，还包括以下步骤：

步骤7：通过最长公共部分中的轨迹片计算出轨迹之间的距离；

步骤8：如两轨迹之间的距离小于阈值，代表两轨迹近邻，若当前轨迹邻近的轨迹数占轨迹集中所有轨迹数的比值超过阈值，则代表当前轨迹为正常轨迹，否则为距离异常轨迹。

Images