[發明專利]基于時空關系的出租車異常軌跡實時檢測方法

有效

• 申請號: 201810321282.3
• 申請日: 2018-04-11
• 公開（公告）號: CN108710637B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 錢詩友;程彬;曹健;薛廣濤;李明祿
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F16/29
• 分類號: G06F16/29;H04W4/02;H04W4/40;G06Q50/26
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 莊文莉

1.一種基于時空關系的出租車異常軌跡實時檢測方法，其特征在于，包括如下步驟：

通過學習訓練數據集中出發點到當前點的直線距離與行駛距離和駕駛時間之間的關系，并建立時空模型；

通過時空模型計算出當前點到出發點直線距離所對應的行駛距離和駕駛時間的正常范圍；

判斷出租車當前點的行駛距離和駕駛時間是否均超出了正常范圍，如果是，則被判定為異常點；

所述訓練數據集，采用以下方式進行提取：

從軌跡數據庫中提取出經過待測軌跡起點和終點的歷史軌跡集合，并將歷史軌跡集合中行駛距離或者行駛時間小于中位數的軌跡作為正常軌跡集合；

在正常軌跡集合中選擇包含出發時間點以及出發時間點前后一小時以內的軌跡集合；

在所選取出來的軌跡集合的基礎上，提取出每條軌跡中所有點到起點的直線距離、行駛時間以及行駛距離作為訓練數據集；

建立的時空模型，形式如下：

其中，dd_i、dt_i分別表示訓練數據集中第i個點到起點的行駛距離和行駛時間，ld_i表示訓練數據集中第i個點到起點的直線距離向量，w_d、w_t分別表示函數(1)、(2)中的參數向量，其中，n為參數的個數，∈_d、∈_t分別表示服從正態分布的隨機變量，σ_d、σ_t分別表示上述正態分布中的標準差；

在時空模型當中，采用最大似然估計的方法，確定參數w_d、w_t、σ_d以及σ_t的取值；對于訓練數據集中的每個ld_i，應當使訓練數據集中對應的dd_i和dt_i在時空模型當中的概率最大，即使如下似然函數(3)和(4)的值最大：

其中：L_d、L_t分別表示行駛距離和行駛時間對應的似然函數；

通過似然函數(3)和(4)，求w_d、w_t、σ_d和σ_t的偏導，進而確定參數w_d、w_t、σ_d和σ_t的取值：

得到：

其中，LD＝[ld₁，ld₂，...，ld_N]^T，dd＝[dd₁，dd₂，...，dd_N]^T，dt＝[dt₁，dt₂，...，dt_N]^T。

2.根據權利要求1所述的基于時空關系的出租車異常軌跡實時檢測方法，其特征在于，對異常點判定，包括如下步驟：

計算出租車當前點到出發點的直線距離ld_i、行駛路程dd_i以及行駛時間dt_i；

將ld_i輸入時空模型，得到一個關于當前點到出發點行駛距離的隨機變量以及行駛時間的隨機變量得到關于D和T的概率密度函數；

通過關于D和T的概率密度函數，分別計算關于dd_i和dt_i的累積概率，即P(D＜dd_i)和P(T＜dt_i)，其中，累積概率P(D＜dd_i)和P(T＜dt_i)分別反映了行駛路程dd_i和行駛時間dt_i的大小，記為當前點到出發點直線距離所對應的行駛距離和駕駛時間的正常范圍；

設定閾值θ_d和θ_t，通過比較累積概率P(D＜dd_i)與閾值θ_d以及累積概率P(T＜dt_i)與閾值θ_t的大小，檢測異常點，即，當累積概率P(D＜dd_i)大于閾值θ_d并且累積概率P(T＜dt_i)大于閾值θ_t時，則認為出租車當前點為異常點。