基于出租车轨迹数据的交通异常识别算法研究

为了实现基于出租车轨迹数据的交通异常识别,本文首先以城市栅格地图模型为框架,提出了一种针对城市路网的多光谱分隔算法,并根据城市路网分别从区域增长与区域融合两种角度实现了多光谱地图的分割。其次在分割的城市路网基础上,设计了交通异常的识别算法。算法依据单元区域内道路网络拓扑结构构建交通异常图,然后根据出租车路径选择模式的历史规律计算每个单元区域内不同路径上的出租车轨迹流量的变化,最后根据三倍均方差指标识别单元区域内的交通异常。文章最后以哈尔滨为例进行了算例分析,算例结果表明,本文提出的异常识别算法取得了良好的效果,验证了算法的有效性及准确性。     

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

以防止出租车欺诈绕路为例,提出一种基于出租车GPS时空轨迹数据离线挖掘与在线实时检测相结合的异常轨迹检测算法,获得快速反馈实时检测的结果.首先,将路网地图进行网格化切分并编号,用Pathlet方法优化常用的以GPS点组成的轨迹序列,并将轨迹通过匹配、补全等处理变换为Pathlet序列.然后,从大量出租车历史数据中,获得轨迹的Pathlet序列,并聚类得到起点与终点之间正常的K类轨迹.当实时轨迹需要被检测时,便与K类正常轨迹进行匹配,只需计算两段Pathlet序列的编辑距离,并同时考量时间和空间两个维度设定合理阈值,判断是否抛出异常.最后,基于北京地区2011年3月到5月出租车GPS轨迹的真实数据集进行了大量实验,对比了相关工作,印证了所提出算法的有效性和高效性.     

出租车GPS轨迹大数据在智能交通中的应用

安装了GPS的出租车可实现大范围、全天候的车辆行驶数据采集,这些量大、时刻变化的GPS轨迹数据记录了城市交通、人群移动的动态变化信息,对研究城市交通起着重要的意义.从研究基于数据驱动的智能交通角度出发,综述国内外基于出租车GPS轨迹大数据的城市智能交通研究现状,经过归纳总结,将目前的研究工作分为交通状态分析、运营管理及支持、路径规划及预测三个方面,总结并阐述出租车GPS轨迹大数据在这三个方面的研究及应用情况,并指出该领域目前面临的问题和不足以及进一步需要研究的方向.     

基于统计学理论的船舶轨迹异常识别

为了准确识别异常航行轨迹的船舶,以船舶AIS信息为数据源,利用统计学中曲线拟合的最小二乘法对训练集船舶轨迹点进行拟合,得到船舶典型航行轨迹的数学表达模型,以此作为标准,通过计算监控船舶轨迹点与典型轨迹间的距离是否大于典型轨迹95%置信区间的范围,从而对轨迹异常的船舶进行识别.实验结果表明,该方法可以有效地识别轨迹异常船舶.将该方法运用到监控系统中可以提高海上交通监控效率.     

基于LCSS的异常轨迹检测算法

当今社会移动终端设备在极大便利人们生产生活的同时产生了海量轨迹数据.如何利用轨迹数据检测犯罪嫌疑人在物理空间中的异常行为成为公共安全领域的研究热点.基于行为人的GPS坐标数据,研究设计异常轨迹检测算法.对于某人在一段时间内的轨迹数据,首先将其划分为若干停留区域,未被停留区域覆盖的轨迹点被直接去除;然后将每一个停留区子轨...     

基于GPS数据的交通出行模式及转换点识别算法

GPS产生的大量数据携带了许多潜在信息.针对一段连续的GPS轨迹数据进行研究,识别GPS轨迹中的出行模式转换点;以出行模式转换点为分割点,将连续的GPS轨迹分割成多个GPS轨迹段;利用训练好的随机森林模型识别出不同GPS轨迹段的出行模式(包括步行、骑行、公交、地铁、汽车等类型),从而得到一段GPS轨迹的完整的出行模式描...     

基于多维特征终端区航空器异常轨迹识别

针对航空器轨迹聚类没有充分利用目标的速度、航向等多维特征信息,在发掘轨迹聚类中存在局限性,提出基于多维特征的航空轨迹聚类方法并基于统计学方法完成异常检测。通过散点相似矩阵确定多维特征,利用多维特征构建多维特征相似矩阵,完成对轨迹的聚类,引入航转角和特征点选择特征轨迹,用多元拟合模型对特征轨迹点拟合,得到航空器特征轨迹表达式,通过计算实验轨迹与位置特征表达式的距离是否大于95%的置信区间距离,完成异常轨迹的检测。在天津机场用ADS-B数据进行实验,比较结果表明具有一定可行性。     

出租车GPS数据轨迹化方法研究

为提高出租车行业理论研究与实际应用的GPS轨迹数据质量,针对原始的出租车GPS数据,提出一套考虑出租车行业特性的完整的GPS数据轨迹化方法。分析了哈尔滨市出租车GPS数据的采样率、误差及与路网的匹配情况;提出一种考虑车头朝向、临近距离、路段连通性及转弯限制四种权重的拓扑地图匹配算法;提出一种出租车出行轨迹识别方法,并在此条件下建立了出租车GPS轨迹的存储结构模型。结果表明,提出的地图匹配算法有较高的准确率,能够满足理论研究及实践应用的需要;而轨迹识别方法及存储模型在实际中成功应用,为哈尔滨市出租车智能管理调度平台提供数据支撑。     

数据驱动下交通异常行为的双层识别模型

为实现对车辆异常行为的准确识别,提高车辆行驶的安全性,提出了一种基于支持向量机(support vector machine, SVM)、监督学习与长短期记忆(long short term memory, LSTM)深度学习的交通异常驾驶行为双层识别模型。首先,对车辆轨迹数据筛除和滤波,构建异常行为数据集;其次,从异常行为轨迹特征中提取出特定异常行为的特征标签,并人为标定在训练集中;再次,构建SVM模型对训练集进行粗识别,基于SVM的二分法原理,从测试集中筛选出异常行为;最后,通过LSTM时间序列模型构建具体种类的异常行为模型,并通过深度学习的方法,从异常行为数据中细分为蛇形驾驶、急速变向、侧滑、大半径转弯、快速U型转弯、急刹车等具体的异常驾驶行为。本次实验选用下一代仿真(next generation simulation, NGSIM)数据中US-101高速公路和peachtree城市道路的数据集的轨迹数据验证SVM和LSTM双层识别模型的性能,包括均方根误差、识别准确率等。结果表明,构建的双层识别模型在第一层有98%的识别准确率,第二层有超过80%的识别准确率,可以较为准确地识...     

基于软超球体的高维非线性数据异常点识别算法

在冶金、化工等流程型工业领域,生产中的过程控制参数往往具有高维非线性结构特征.为了解决这类高维复杂数据的异常点检测问题,本文引入了软超球体的概念,采用非线性核函数将原始数据映射到高维的特征空间,并在特征空间中确定软超球体的边界.通过检测待识别样本映射到特征空间的位置信息来判定过程参数的设定值是否为异常点,从而避免出现批量的产品质量问题.以某类汽车用钢为应用实例,对实际生产数据进行检测,证明了所提出的基于软超球体的异常点识别算法对于高维的非线性数据具有良好的检测能力.     

终端区飞行轨迹聚类分析及异常轨迹识别

为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法.首先,改进均匀参数化法降低了飞行轨迹数据规模.其次,提出一种基于核主成分分析(kernel prin-cipal component analysis,KPCA)和飞行轨迹降维方法,突出不同类点之...     

结合出租车轨迹数据的城市道路拥堵时空分析

为定性和定量分析城市道路拥堵情况,选用能够消除道路等级影响的INRIX指标,利用出租车轨迹数据计算道路拥堵指数,并提出道路拥堵指数异常的判定和基于区域连续性的拥堵指数修正方法. 利用福州市2015年5月份出租车轨迹数据计算道路的拥堵指数,研究了福州市工作日早高峰期间在量化指标下道路拥堵的时空分布,并尝试挖掘道路拥堵的关联规则为居民出行提供建议. 结果表明,在工作日早高峰时段,福州市道路拥堵在时间上的分布呈三段式,而在空间上分布不均.     

基于改进GOA-SVM算法的异常流量识别

异常流量的准确识别在网络安全中起着重要作用,支持向量机(Support Vector Machine,SVM)已经成功地应用于分类和函数逼近等方面,而核函数参数和惩罚参数(C)的选取对SVM的分类性能起着关键作用.为了提高SVM的分类性能,提出一种基于改进蚱蜢算法优化SVM的异常流量识别方法,命名为SAGOA-SVM.在对蚱蜢算法进行实验研究后发现其局部搜索能力较弱,本文通过引入模拟退火算法和位置偏移机制增强蚱蜢趋向食物源的随机性来改进蚱蜢算法优化SVM参数的性能,从而提高SAGOA-SVM算法对异常流量的识别率.在选取的7个标准UCI数据集上的实验结果表明,所提出的SAGOA-SVM算法有很好的分类精度和性能.     

基于改进MFCC的异常声音识别算法

在声音识别系统中,特征参数的获取对声音识别和训练有着重要的影响;MFCC算法作为典型的声音特征参数提取方法,性能稳定,识别率高;针对MFCC算法存在较大计算量的情况,提出一种改进的特征参数提取算法MFCC_E;相比于标准的MFCC算法,MFCC_E算法减少了约50%的运算量,并且易于硬件实现;实验结果表明,MFCC_E算法与MFCC算法的识别率大致相同,而计算复杂度却小很多。     

基于出租车GPS数据的贵阳市交通状态空间自相关分析

城市交通状态具有时空性,自身又具有空间自相关特征。分析城市交通状态空间自相关特性,对交通管制、居民出行行为以及城市道路基础设施建设具有重要意义。基于贵阳市中心城区出租车GPS空间数据库,划分交通小区并计算各交通小区平均行程速度和空间自相关Moran’s I指数,对贵阳市中心城区交通状态的空间自相关性和演化特征进行分析。结果表明:1)全局时空Moran’s I指数形成良好的空间相关性,存在一定的空间聚集性,且随时间的推移空间自相关性呈波动式变化,工作日与休息日分时段时空Moran’s I指数变化态势明显,交通状态表现为时空集聚性强;2)局部时空Moran’s I指数高高聚集与低低聚集模式在空间上维持良好的稳定机制,高高聚集呈现城市外围区域指向性特征,低低聚集呈现城市核心区指向性特征;3)工作日与休息日早晚高峰时段各种类型区分布格局保持高度共轭协同,仅有小部分区域出现异质情况;4)时空Moran’s I指数时空聚集区域在空间上表现出由弱聚集向强聚集,再向弱聚集状态转变。在高峰时段表现为强聚集趋势,在非高峰时段聚集程度较弱。     

基于海量车牌识别数据的相似轨迹查询方法

车牌识别数据是一种具有数据量大、时空相关、位置可测等特征的车辆监测数据,基于此类数据的相似轨迹查询面临着诸多问题。该文给出一种基于"点伴随关系"的车辆相似轨迹定义,提出了一种多级任务并行的相似轨迹查询方法,并给出了基于MapReduce迭代计算模型的方法实现,可支持在海量车牌识别数据集中利用分布计算环境高效地完成相似轨迹查询。基于近千万条真实车牌识别数据的实验表明,相对于传统方法,该方法在保证相似轨迹查询结果准确的前提下具有更好的查询性能。     

基于集群智能的高速公路交通状态识别算法

针对传统交通状态识别算法仅考虑交通参数个体特征差异而存在识别率较低的问题,引入集群智能概念,提出了既考虑交通参数个体特征差异,又考虑个体参数所蕴含的群体特征差异性的高速公路交通状态识别算法。由于模糊C均值聚类算法(fuzzy C-means algorithm,FCM)在交通状态识别泛化能力上存在收敛缓慢的不足,基于反向学习策略以及鲸鱼优化算法(whale optimization algorithm,WOA),考虑个体交通参数所蕴含的集群行为增强了交通状态初始聚类中心种群的多样性,设计了一种具有良好的全局搜索能力集群智能的高速公路交通状态识别算法,融合了反向学习、WOA和FCM算法,克服了FCM识别算法容易陷入局部最优的局限。实证分析结果表明,所提出的交通状态识别算法具有良好的识别效果,准确率达到92%,且收敛速度较FCM算法更快。     

基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

基于EEMD的异常声音多类识别算法

为了提高异常声音信号的识别率,提出一种将总体平均经验模态分解和梅尔频率倒谱系数、短时能量及能量比相结合的特征提取改进算法,并对决策导向无环图支持向量机多类识别算法进行改进.首先对声音信号进行分帧,然后对每帧信号进行总体平均经验模态分解得到固有模态函数,最后对每层固有模态函数提取梅尔频率倒谱系数、短时能量和能量比特征.根据提取的特征,采用改进的决策导向无环图支持向量机算法对五种异常声音信号进行识别.仿真结果表明:改进的特征提取算法和决策导向无环图支持向量机多类识别算法相比改进前识的别率分别提高了2%和2.5%.     

一种基于出租车轨迹数据的优质客源评价模型及实证研究

以出租车轨迹数据为研究对象,构建一种基于出租车轨迹数据的优质客源模型.模型重新定义一次完整的出租车出行,引入出租车开销与行程速度关系,解决车辆动态消耗的问题,以出租车单位时间内的盈利来量化客源.并以福州市2015年5月份出租车轨迹数据为例,根据模型对轨迹数据进行预处理与密度计算,分析出租车优质客源在时间和空间的分布规律.结果表明,模型可以较好地量化出租车客源,为分析出租车时空分布提供科学依据.