基于BP神經網絡的異常軌跡檢測方法

賈瑛

摘要：異常軌跡檢測算法通常不能依靠軌跡內外部屬性而有效地進行檢測，具有較大的應用局限性。針對此類問題，基于BP神經網絡提出了一種改進的異常軌跡檢測方法。首先對原始軌跡數據去噪，并上傳百度云LBS云端儲存;其次基于百度地圖軌跡數據可視網站進行了數據歸一化處理，得到了軌跡的屬性值;最后以軌跡內外特征屬性代表BP神經網絡算法的輸入層，以軌跡相似度度量代表輸出層，對隱含層系數調整后獲得訓練模型。研究針對Deolfe項目的兩個用戶軌跡數據做了仿真實驗，用以檢測用戶異常軌跡數據。結果證明，在選取的最優訓練方案基礎上，兩組數據的異常軌跡檢測正確率各達92.3%及100%，所搭建模型能夠作為異常軌跡檢測的工具。

關鍵詞：軌跡數據集;BP神經網絡;百度LBS云服務;軌跡屬性;異常軌跡監測

中圖分類號：TP3111

文獻標志碼：A

AbnormalTrajectoryDetectionMethodBasedonBPNeuralNetwork

JIAYing

（

CollegeofMechanicalandElectricalInformation，BaojiVocational&TechnicalCollege，Baoji721013，China

）

Abstract：Existingabnormaltrajectorydetectionalgorithmsusuallycannotrelyontheinternalandexternalattributesofthetrajectoryforeffectivedetection，whichleadstogreatapplicationlimitations.Tosolvetheseproblems，animprovedabnormaltrajectorydetectionmethodbasedonBPneuralnetworkisproposed.Firstly，theoriginaltrajectorydataaredenoisedanduploadedtoBaiduCloudLBSforstorage.Secondly，thedataarenormalizedbasedonBaiduMapTrajectoryDataVisualWebsite，andtheattributevaluesofthetrajectoryareobtained.Finally，theinputlayeroftheBPneuralnetworkalgorithmisrepresentedbythefeatureattributesinsideandoutsidethetrajectory，andtheoutputisrepresentedbythetrajectorysimilaritymeasure.Thetrainingmodelisobtainedbyadjustingthecoefficientsofhiddenlayers.Inthispaper，twosetsofusertrajectorydataofDeolfeprojectaresimulatedtodetectuserabnormaltrajectorydata.Theresultsshowthat，onthebasisoftheoptimaltrainingscheme，theaccuraciesofabnormaltrajectorydetectionofthetwosetsare92.3%and100%，respectively.Themodelcanbeusedasatoolforabnormaltrajectorydetection.

Keywords：trajectorydataset;BPneuralnetwork;BaiduLBSCloudService;trajectoryattributes;abnormaltrajectorymonitoring

0引言

隨著移動通信和無線網絡技術、GPS、WiFi、藍牙室內定位技術的快速發展，及智能設備的廣泛應用，人們對移動對象位置和軌跡數據獲取也非常方便[12]。同時，隨著軌跡數據儲存技術的飛速發展，能將大量移動對象位置及軌跡信息儲存到時空數據庫[36]。就軌跡來說，它所指是帶時間標簽的位置信息而構成的有序位置序列，且時空信息很豐富，并對軌跡數據的分析及挖掘起著很重要作用[79]。而異常軌跡檢測屬于軌跡模式挖掘的主要研究課題，并普遍用于智能交通與用戶行為分析中。

1異常軌跡監測問題描述