[發(fā)明專利]一種基于海量時空數(shù)據(jù)分析的異常聚集檢測方法

在審

• 申請?zhí)枺?/td>: 202010969343.4
• 申請日: 2020-09-15
• 公開（公告）號: CN112100243A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設計）人: 鄭凱;王子維;孫福振;王紹卿;任崇廣
• 申請（專利權(quán)）人: 山東理工大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/29;G06K9/62
• 代理公司: 淄博佳和專利代理事務所(普通合伙) 37223
• 代理人: 孫愛華

1.一種基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：包括如下步驟：

步驟1，軌跡預處理；結(jié)合歷史軌跡與當前軌跡得到點的平均位置，同時通過歷史軌跡與當前軌跡的對比得到該點的缺失位置，對于無法報告位置的點進行插補處理，確定該點的插補值，通過插補值與平均位置確定該點處理后的軌跡；

步驟2，聚集發(fā)現(xiàn)；生成快照聚類，認定聚集在任何時候都包含一定數(shù)量的普通成員和核心成員，當一個人群在一段時間內(nèi)所有的時間片簇中都包含了數(shù)量超過了閾值的核心成員和閾值的普通成員，如果人群在任何時候都包含足夠的核心成員，則定義為聚集；

步驟3，聚集分類；將聚集分為三類：孤立聚集、候選周期性聚集中的非周期性聚集和周期性聚集；

步驟4，異常聚集檢測；根據(jù)每個聚集的歷史數(shù)據(jù)和當前數(shù)據(jù)，為其設置參與人數(shù)閾值，同時根據(jù)歷史數(shù)據(jù)計算其持續(xù)時間的平均值，當新聚集的參與者人數(shù)大于等于其參與人數(shù)閾值，同時時間長于聚集的平均值判定該聚集為異常聚集。

2.根據(jù)權(quán)利要求1所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：在所述步驟1中，通過歷史軌跡與當前軌跡的對比時，分別計算兩個點之間的球面距離以及某個點的歷史位置與當前位置的最大距離。

3.根據(jù)權(quán)利要求2所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：所述的兩個點之間球面距離的計算公式為：

歷史位置與當前位置的最大距離的計算公式為：

其中，p表示點的當前位置，q表示點的某個歷史位置，p1表示點當前位置的緯度角，p2表示當前位置的經(jīng)度角，q1表示點某歷史位置的緯度角，q2表示某歷史位置的經(jīng)度角，Q表示點的歷史位置的集合，r表示地球半徑。

4.根據(jù)權(quán)利要求1所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：在所述步驟2中生成快照聚類時，采用基于密度的并行化聚類算法MRDBSCAN。

5.根據(jù)權(quán)利要求1所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：在所述步驟3中，所述的孤立聚集為對附近的聚集進行聚類，得到最初的候選周期聚集集合，而由于附近沒有歷史聚集異常值的聚集。

6.根據(jù)權(quán)利要求1所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：在所述步驟3中，所述的周期性聚集是候選周期性聚集的子集，即周期性聚集中所包含的聚集，兩兩之間的距離小于閾值的聚集。

7.根據(jù)權(quán)利要求1所述的基于海量時空數(shù)據(jù)分析的異常聚集檢測方法，其特征在于：在所述步驟3中，所述周期性聚集歷史和當前聚集狀況之間差異的計算公式為：

其中，m表示聚集的數(shù)量，第n個時間戳下的環(huán)境參數(shù)δ_envn表示環(huán)境參數(shù)，k表示第k個聚集，j表示選取最近的j個時間戳，i表示第i個聚集，n表示當前在第n個時間戳下，表示第n個時間戳下第k個聚集的狀態(tài)，表示第i個時間戳下第k個聚集的狀態(tài)。