基于聚类的出租车异常轨迹检测

• 作者: 施方林 朱燕 李宏伟 樊超 许栋浩
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 异常轨迹检测 全球定位系统数据 轨迹聚类 时空特征 轨迹模式
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 智能交通专题
• 页码范围: 16-20
• 页数: 5页
• 分类号: TP208
• 字数: 4259字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.02.003

摘要

出租车全球定位系统数据中蕴含城市交通和移动对象行为的宏观信息,从中可以挖掘出有价值的异常轨迹模式.将位置和几何形状、行驶时间分别作为出租车轨迹的空间与时间特征,根据特征偏离情况划分时间、空间和时空异常轨迹.从轨迹数据中提取相同起终点的轨迹集,将轨迹划分成轨迹片段,计算轨迹间的相似度并进行基于距离和密度的聚类,在空间特征上初步分离出频繁和稀疏轨迹,根据数据异常判定的kσ准则确定时间特征异常的分离阈值,对时间特征进行再次划分,最终实现出租车异常轨迹检测.实验结果表明,该方法能从异常轨迹中挖掘出个性化路线、异常停留位置和交通路段,为智能交通、物流高效规划和执行等提供参考信息.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宏伟	信息工程大学地理空间信息学院	68	370	10.0	14.0
2	许栋浩	信息工程大学地理空间信息学院	6	34	3.0	5.0
3	朱燕	信息工程大学地理空间信息学院	7	27	3.0	5.0
4	樊超	信息工程大学地理空间信息学院	8	34	3.0	5.0
5	施方林	信息工程大学地理空间信息学院	4	21	2.0	4.0