移动对象轨迹时空异常检测算法研究

发布时间：2022-02-23 22:39

　　随着定位技术、移动感知技术和无线通信技术的不断发展与广泛应用,大量移动物体的运动轨迹能够被追踪,由此产生了海量的轨迹数据。对这些时空轨迹数据进行深入分析并提取有价值的信息一直是研究关注的焦点,其中轨迹异常检测是轨迹数据挖掘领域中的一个重要研究分支。轨迹异常检测广泛地应用于城市交通、灾害天气预警、社会公共安全管理以及动物习性研究等领域。本文以移动对象的时空轨迹数据为研究对象,以挖掘异常轨迹为研究目标,研究了轨迹异常检测的相关理论及方法。本课题主要工作包括以下几个方面:（1）融合特征熵的轨迹结构异常检测本课题从轨迹结构特征出发,充分考虑了轨迹特征描述的全面性。同时,利用特征熵赋予特征相应的权重,深入探究了衡量轨迹特征重要程度的方式,提出了融合特征熵的轨迹结构异常检测算法,解决了当前基于距离的轨迹异常检测算法主要基于轨迹空间形态,没有全面地考虑轨迹内部特征信息,且忽略了内部特征重要程度的问题。使用多个数据集的实验表明,算法能够从轨迹空间形态及内部特征属性上发现异常,可以全面地发现明显异常轨迹及其分段,使检测结果更具有实际意义。（2）基于深度表示的无监督轨迹异常检测本课题深入探究轨迹特征的表示... 

【文章来源】：中国矿业大学江苏省211工程院校教育部直属院校

【文章页数】：94 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 本文组织结构
    1.5 本章小结
2 移动对象轨迹异常检测相关研究
    2.1 轨迹异常检测概述
    2.2 轨迹异常检测算法分类
    2.3 轨迹异常检测相关概念
    2.4 数据预处理
    2.5 评价标准
    2.6 本章小结
3 融合特征熵的轨迹结构异常检测
    3.1 引言
    3.2 基于线性回归的轨迹划分
    3.3 轨迹结构距离计算
    3.4 特征权重选择
    3.5 轨迹片段聚类
    3.6 轨迹结构异常检测
    3.7 实验分析
    3.8 本章小结
4 基于深度表示的无监督轨迹异常检测
    4.1 引言
    4.2 基于开放角的轨迹划分
    4.3 特征提取与转换
    4.4 基于无监督学习的特征序列聚类
    4.5 相似指数分布异常检测
    4.6 实验与分析
    4.7 本章小结
5 轨迹异常检测原型系统设计与实现
    5.1 系统设计
    5.2 原型系统主要模块构建
    5.3 原型系统开发与实现
    5.4 系统小结
6 总结与展望
    6.1 总结
    6.2 未来研究工作
参考文献
作者简历
学位论文数据集


【参考文献】：
期刊论文
[1]融合特征熵的轨迹结构异常检测方法[J]. 裴浩然,袁冠,张艳梅,李月娥,李思宁.  陕西师范大学学报(自然科学版). 2019(05)
[2]基于轨迹信息熵分布的异常轨迹检测方法[J]. 蒋华,郑依龙,王鑫.  计算机应用研究. 2018(06)
[3]路网空间下基于马尔可夫决策过程的异常车辆轨迹检测算法[J]. 毛江云,吴昊,孙未未.  计算机学报. 2018(08)
[4]轨迹大数据异常检测:研究进展及系统框架[J]. 毛嘉莉,金澈清,章志刚,周傲英.  软件学报. 2017(01)
[5]一种基于轨迹大数据离线挖掘与在线实时监测的出租车异常轨迹检测算法[J]. 韩博洋,汪兆洋,金蓓弘.  中国科学技术大学学报. 2016(03)
[6]轨迹数据压缩综述[J]. 江俊文,王晓玲.  华东师范大学学报(自然科学版). 2015(05)
[7]基于轨迹分析的异常行为识别与管控研究[J]. 王晓龙,郭捷,邱卫东,徐鹏,郭曼,张菡.  信息安全与通信保密. 2015(03)
[8]轨迹数据可视分析研究[J]. 王祖超,袁晓如.  计算机辅助设计与图形学学报. 2015(01)
[9]基于角度分布的高维数据流异常点检测算法[J]. 朴昌浩,黄质,苏岭,禄盛.  上海交通大学学报. 2014(05)
[10]Density-based trajectory outlier detection algorithm[J]. Zhipeng Liu,Dechang Pi,Jinfeng Jiang.  Journal of Systems Engineering and Electronics. 2013(02)

博士论文
[1]移动对象轨迹数据挖掘方法研究[D]. 袁冠.中国矿业大学 2012

硕士论文
[1]基于视频监控数据的人群行为分析和异常轨迹检测[D]. 齐佳倩.北京交通大学 2018



本文编号：3641440