基于Spark和小波分析的水上交通异常数据实时检测方法研究

针对不断增加的水路运输产生的水上交通数据量增长,导致的水上交通监测难度更大、处理时间更长,提出一种基于Spark的交通异常数据实时检测方法,通过对船舶自动识别系统(AIS)数据进行处理,对不同类型的交通数据进行分析并写入分布式文件系统HDFS中。然后通过小波分析的方法对AIS数据进行多层分解,去除高频噪声并对数据进行重构,找出AIS数据中的异常信息。通过对异常信息进行分析,结合Spark的数据处理结果,最终实时检测出交通异常数据。实验结果表明能够在短时间内对异常数据进行检测和分析,处理速度快,异常数据检测结果符合该水域的交通情况,检测方法能够为海事部门提供实时、稳定的监管服务。     

长江客渡船AIS终端供电保障模块的设计

为保障长江客渡船航行安全,长江海事局在2012年开始部署渡船AIS终端。该终端为监管渡船航行安全提供现场数据。在部署工作中,安装人员遇到了渡船供电电压波动大的问题,导致AIS终端不能持续正常回传现场监管数据,给安全监管工作带来隐患。该文就解决AIS终端供电问题设计电源模块,使AIS终端能在一个宽泛的供电电压下持续正常工作。     

基于分阶段离群点检测的电力市场异常辨识

为了监管电力市场中存在的各类违规行为,保证市场的公平竞争,提出了一种基于分阶段离群点检测算法的电力市场异常行为辨识方法.梳理不同交易阶段异常行为的特征,提取相应的特征指标,采用主成分分析法对其进行降维,分阶段地进行异常行为的检测.同时利用平均距离改进局部离群因子算法,显著地提升了算法的检测效果.通过某地区电力市场提供的交易数据进行实验分析,实验结果表明,该方法能有效识别市场中的异常行为,为市场监管人员利用海量数据进行有效监管提供了新思路.     

基于积分通道特征的异常行为检测算法

对视频中的行人异常行为检测问题进行了研究。针对传统行人异常行为检测算法在准确性和兼容性方面的不足,提出一种基于积分通道特征的异常行为检测算法;该算法利用背景分割和行人信息统计的方式,对不同背景下的视频模型进行了建模。结合对行人个体的轨迹分析,对运动个体的位置进行异常行为检测。算法首先对检测区域采取区域划分,然后采用改进的积分通道特征行人检测算法对目标进行检测,最后采取Mean-shift算法对目标进行跟踪。最后的实验数据表明该算法整体性能有所提高。     

三维GIS融入海事电子巡航的应用研究

海事巡航工作是海事动态监管的基础,随着上海港不断建设和发展,传统巡逻艇巡航已经不能满足航运发展的新要求。该文利用城市级高精度三维地理信息数据以及新建的船舶部件等场景,将基础地理信息、船舶数据等各类海海事监管所需的业务数据和AIS动态实时数据进行整合,基于三维GIS构建上海海事局三维AIS系统,实现真三维电子巡航,提高船艇巡航效率,提升上海海事局辖区水域水上交通管理智能化水平。     

桥区船舶交通流可视分析系统

以武汉长江大桥桥区水域为研究对象,针对数据分析能力不足而造成海量AIS(Automatic Identification System)数据不仅无法更好地助力水上交通安全,反而为监管决策带来困扰的现状,研究了多维AIS数据的可视化表达和人机交互方法.提出了以电子航道图为载体的内河船舶交通状态平行坐标图模型,并针对传统网格划分法的不足,采用高斯密度函数为核函数利用二维核密度估计法生成热力图模型.在此基础上研发了船舶交通可视化系统,通过3组实例证明该系统有助于桥区船舶数据的异常分析和船舶行为模式识别,为海事管理人员提供有效的决策依据.     

基于样条卡尔曼算法的AIS数据修复

针对船舶自动识别系统（automatic identification system，AIS）的异常数据修复问题，提出一种样条卡尔曼（spline Kalman，SK）算法。该算法根据船舶动力学原理，构建反映运动特征变化约束关系的系统状态转移模型，并以样条插值得到的AIS修复数据作为卡尔曼滤波器的观测数据，进而实现AIS数据的精确修复。采用厦门港及附近水域的历史AIS数据检验SK算法的有效性，检验结果表明:对于低缺失率的AIS数据集，SK算法的修复效果与样条插值算法相近，均优于KNN、RF和SVM算法，但随着AIS数据集缺失率的上升，只有SK算法具有较好的修复稳定性。该研究成果可以更加有效地修复AIS的异常数据，从而为海事大数据分析及相关应用提供良好的数据基础。     

智能视频分析的车辆异常行为检测方法

针对目前车辆异常行为检测中的检测实时性问题,提出了一种基于智能视频分析技术的车辆异常行为检测方法。车辆出现异常行为时车辆位置变化、速度变化及运动方向变化较大。通过背景差分法检测运动车辆,并采用均值漂移算法跟踪运动车辆,获取车辆位置、速度、运动方向等车辆异常行为判别参数,对3种判别参数的状态函数加权融合检测车辆行为。为验证该算法的有效性,将对真实交通场景中采集的交通视频进行车辆运行状态检测实验。实验结果证明该算法能及时有效地检测出交通场景中的车辆异常行为。     

基于神经网络的异常船舶航迹特征因子模型

船舶异常行为研究是海事安全科学理论研究的重要组成部分,它对于船舶监管以及海上安全通行具有重要意义,目前是航海领域的热点研究方向之一。根据船舶航迹分析船舶航行状态以及规范性,研究船舶航迹行为特征,发现隐藏于航迹数据集中的船舶异常行为模型。针对目前危险船舶向外播放伪造数据造成的船舶监控不准确的异常船舶行为,提出了基于神经网络的异常船舶航迹特征因子模型。通过中分纬度算法分析轨迹数据的隐藏关系,选取实际舶船舶自动识别系统(Automatic identification system, AIS)的数据对多层前馈神经网络（Back Propagation,BP）进行训练,使其完成对关系规则的学习,通过测试集数据对模型准确性进行判断。实验结果表明,该模型对于伪造船舶数据判断的准确率高于0.985。     

社区老年人空间行为轨迹异常分析方法

为分析社区中老年人空间行为轨迹的规律并识别其异常空间行为轨迹,建立了基于动态时间规整(dynamic time war-ping,DTW)算法和基于密度的空间聚类算法(density-based spatial clustering of applications with noise,ST-DBSCAN)的社区老年人异常空间行为轨迹分析模型.首先,利用社区内老年人空间轨迹定位数据,采用ST-DBSCAN聚类算法对连续空间轨迹进行聚类分析,提取老年人的动态行为链.其次,针对两种常见的异常轨迹模式(出行轨迹偏离日常轨迹和停留时间过长),利用DTW算法对老年人的动态轨迹进行异常模式识别.最后,结合异常轨迹模式、老年人背景信息、气象信息,建立社区老年人异常行为风险分析模型,分析老年人在出现轨迹异常情况下的安全风险,并基于微软亚洲研究院的开源轨迹数据集GeoLife对建立的模型进行了验证.研究结果表明,模型可以识别老年人出行时的异常空间轨迹,分析其安全风险.研究成果可以为居委会、社区物业、养老机构等部门的老年人安全管理工作提供方法支持.     

"互联网+"模式下基于AIS系统的景区航行安全监管系统研究

随着旅游行业的不断发展、国家政策不断优化,各旅游景点推出游江游海项目,各旅游景点的水上安全监管体系不够完善.随着"互联网+"模式的不断普及,运用现代技术结合传统AIS监管系统相结合已成为必然的趋势.本项目对景区进行相关设备搭建,结合AIS、GPS、电子江图系统,打造安全监管PC平台和手机APP,对航道实施24小时全方位...     

移动通信网络环境下的用户运动模式挖掘

为解决移动用户运动规律获取问题,提出了一种在移动通信网络(GSM)环境下,从用户低层基站位置信息中提取出运动模式的方法.针对基站连接的振荡、重叠等问题,该方法对原始基站位置数据进行分段、窗口化、分组和聚类处理,并将原始基站位置数据表示为聚类序列.采用关联规则挖掘算法从聚类序列中提取出用户运动模式.最后,基于真实基站位置...     

一种有效的光学运动捕捉数据处理方法

提出一种适用于被动式光学人体运动捕捉散乱数据处理方法.该方法基于光学人体运动捕捉散乱数据的时空信息,提出了时空搜索数据处理算法.由于光学运动数据采集频率高,运动数据的前后帧之间在时间轴上成平滑线性关系,人体骨架关系的约束使得各帧数据在空间位置上遵循一定的拓扑关系.时空搜索数据处理算法合理地利用了运动数据时间轴上的线性关系和空间位置上的拓扑关系作为约束条件,有效地对三维运动数据进行了预测和跟踪,并对噪声数据进行去噪处理,对缺失运动数据提出基于刚体的补点算法,进行合理的补缺.该方法在处理过程中无需人工干预,并能满足实时性要求.     

一种聚类算法改进及其在税源分析中的应用

面对大量的涉税数据,为揭示纳税个体间内在的分类特性,发现其中偏离常规的异常纳税行为等,有效提高税源监管力度,针对税源监管的应用需求,分析了数据挖掘中常用聚类算法的特性,提出了基于DENCLUE密度聚类的改进方法。该方法不仅可以发现数据分布的典型聚簇模式,而且可以揭示对税源监管更有价值的离群模式。应用实践验证了该方法的有效性。     

基于视频的人体异常行为检测与识别

提出了一种运动目标检测算法,通过三帧差分法,可以从视频图像中提取出运动目标的轮廓.通过三帧差分法分别对人体正常行走和人体摔倒两种行为进行检测,提取出人体在两种行为的运动过程中的特征.提出一种基于改进Hu矩不变性的人体异常行为识别算法,对人正常行走和摔倒两种行为进行识别.正常行走是正常行为,摔倒则为异常行为.实验证明,该方法对在本研究的实验环境下的正常行走和摔倒两种行为识别率很高,有一定实用价值.     

基于余弦距离的人体运动数据行为分割算法

对人体运动捕捉数据进行行为分割是人体运动数据分析与合成中的关键处理步骤,为此,提出一种新的人体运动数据行为分割算法。采用骨骼夹角直方图刻画人体运动统计特征,使用余弦相似度作为人体运动数据骨骼夹角直方图特征的相似性度量,实现对运动行为的自动分割。对于给定的人体运动捕捉序列,首先定义滑动比较窗口,计算当前窗口范围内运动序列前、后2部分骨骼夹角直方图统计特征的余弦相似度,然后通过在运动序列上滑动该窗口,获得运动序列的余弦相似度曲线,曲线最小值位置即为不同类型行为的分割点。在CMU人体运动捕捉数据库上进行数值实验。研究结果表明:本文算法能够实现对人体运动捕捉数据的自动行为分割;与广泛采用的基于PPCA的行为分割方法相比,本文算法具有良好的性能。     

基于粗糙集的多类人群异常行为识别算法

为解决现有基于人工设计特征行为识别方法缺少多类异常行为分类研究和受人工影响大等问题,提出和实现了基于粗糙集的多类中低密度人群异常行为识别算法.该算法首先提取目标人群的人数、帧平均加速度、矩形框的距离势能、方向混乱熵,以及帧间混乱程度五个运动特征量,利用粗糙集从中学习以获取决策规则,再对正常、四散、同向加速跑、突然聚集和群殴这五类人群行为进行分类,并定量对比分析本文算法和其他同类算法处理同一视频集的分类效果.结果表明:与随机森林法等其他同类算法相比,该算法不仅能够有效检测出人群异常行为,还能准确地对五类人群行为进行分类,其识别准确率和覆盖率均有明显提升.     

一种基于差异度聚类的异常入侵检测算法

基于差异度聚类分析,提出了一种新的异常入侵检测算法DCAIDA,详细介绍了基于差异度聚类分析的用户行为模型建立算法和异常入侵检测算法.通过对原始用户行为数据进行差异度聚类分析,建立用户行为模型,并依据聚类模型对实时的用户行为进行分类,以此判断是否发生入侵.在KDD CUP 1999上的仿真实验结果表明:该算法检测率高、误报率低,且对新攻击类型有一定的检测能力,可实现预期效果.     

城市供水管网片区用水异常模式识别

对区域用水的异常模式识别可以为自来水公司实施科学化运行管理提供重要的依据.基于密度的聚类算法与k均值算法相结合,对城市供水管网片区用水进行异常模式识别.首先提取时间和瞬时用水量2个特征,通过k均值算法将所有数据样本分离为不同模式,然后分别对不同模式构建基于密度的聚类算法进行异常点识别.对某地两分区的监测数据进行实验,得到用水异常模式的识别结果与分析.与现有异常检测方案相比较,提出的融合算法所得到的检测结果更具有完整性和准确性.     

Rough Set理论研究及其在水上交通事故分析的应用

水上交通事故系统中数据多维、稀疏、不全,有效地识别和发现事故数据的新模式及其内在规律能够预防和减少水上交通事故的发生.从数据挖掘的角度出发,应用了基于属性频度的约简算法和改进的值约简算法的结合对(2000～2004)年水上发生的20起具有一定代表性的典型案例进行分析,并加入相关的支持度和置信度,以期为水上交通的管理提供决策支持.