基于出租车轨迹数据的异常事件检测与分析.pdf

D 基于出租车轨迹数据的异常事件检测与分析 S 基于出租车轨迹数据的异常事件检测与分析 1 问题提出 2 数据与方法 3 出租车异常轨迹模式发现 4 事件检测与分析 5 异常聚集行为发现 6 小结 基于出租车轨迹数据的异常事件检测与分析 1问题提出 研究意义 泛地理信息时代 轨迹数据、手机信令、 轨迹数据分析 智慧应用/管理 社交媒体、交通刷卡 … 寻常移动行为模式 异常移动行为信息 思考 轨迹 检测与分析 数据 异常轨迹 事件 城市交通管理、公共安全 …… 关键问题 轨迹的特征 0、轨迹数据及 1、出租车异常 曲线的时空特征 研究方法 轨迹模式发现 3、基于出行量 轨迹点的数量特征 2、基于出行量 和出行位置空间 轨迹点的数量特 的事件检测与分 和时空特征 析 分布特征的异常 征、时空特征及空间 聚集行为发现 分布特征 2数据和方法 轨迹数据分类 Ø 基于时间采样的轨迹数据 数据量庞大、覆盖范 Ø 基于事件触发采样的轨迹数据 围广泛、更新速度快 轨迹的组成 采样点 的集合  曲线 轨迹数据 处理的方 语义位 移动时 式多样 置序列 空范围  轨迹数据分析方法 u 轨迹数据预处理 ：包括轨迹数据清洗、轨迹分段和地图匹配。 u 轨迹数据的知识提取 ：轨迹、人以及区域三个方面 ，将现有的研究粗略分为轨 迹相似、轨迹模式挖掘和区域特征提取。 聚类分析与异常检测 基于密度的DBSCAN算法 聚类是发现数据中的多数模式 ，而异常检测是挖掘显著偏离多数模式的异常 情况。   异常检测的常用方法 Ø 基于统计的异常检测方法 Ø 基于密度的异常检测方法 “k倍标准差”准则、似然比检验 Ø 基于距离的异常检测方法 Ø 基于聚类的异常检测方法     D