基于轨迹数据流的异常移动对象实时检测技术研究

As the sensing, positioning and wireless communication technology has improved over time, trajectory data streams are generated, which describes the process of objects moving. Trajectory anomaly is a reflection of abnormal behavior. Effective analysis of trajectory data streams implements the real-time detection and instant inspection of abnormal moving objects, and then process it in a timely manner. However, the existing anomaly detection techniques based on trajectory data, and it cannot process data streams in real-time. Therefore, considering the requirements of the real-time performance of the detection results of the trajectory data streams, the project focuses on the measurement of abnormal trajectory data streams which based on spatial-temporal correlation. The combination of time and space position information of spatial-temporal trajectory regional coverage index, as well as the technology of efficient incremental maintenance capability in real-time detection of abnormal moving objects, are the further studies of this intensive research. Designing and developing a prototype system to verify the correctness and effectiveness of the related research results are all based on trajectory data streams of detecting abnormal moving objects. Aiming at detecting abnormal moving objects, the research results has an important significance in both theoretical and practical application value, which provide traffic supervision, public security and other fields with powerful tools and solutions.

随着传感、定位和无线通信技术的日臻成熟，产生了大量能够描述对象移动过程的轨迹数据流。轨迹异常是行为异常的反映，对轨迹数据流进行有效的分析，可以实现移动对象异常情况的实时检测、即时发现和及时处理。然而，现有的基于轨迹数据的异常检测技术无法实时处理具有流特征的移动对象轨迹数据。因此，本项目考虑轨迹数据流对检测结果实时性的要求，将重点针对基于时空相关性的轨迹数据流异常度量、结合时间和空间位置信息的时空轨迹区域覆盖索引、以及具有高效增量维护能力的轨迹数据流的异常移动对象实时检测等关键技术展开深入的研究工作，并设计开发一个基于轨迹数据流的异常移动对象检测的原型系统来验证相关研究成果的正确性和有效性。研究成果将为交通监管、公共安全等领域提供检测异常移动对象的有力手段和解决方案，具有重要的理论研究意义和实际应用价值。

近几年时空轨迹数据广泛产生于实际应用中，相对于静态轨迹信息，增加的时间维度、轨迹数据流的时实性的要求、以及管理对象为点序列等特征，都成为时空轨迹数据挖掘所面临的挑战。本项目研究基于轨迹数据流的异常移动对象实时检测技术的研究，不仅具有重要的理论研究意义，而且具有广泛的实际应用价值。本项目针对这一问题实际需求，深入的研究轨迹数据流的异常度量方法、索引结构及更新策略、实时的异常移动对象检测技术等问题。首先提出时空相关的轻量级异常轨迹度量。同时根据实际问题的不同，又提出了多种异常的度量方法。研究了同时考虑轨迹空间位置和时间维的异常移动对象度量方法，同时为了满足轨迹数据流实时性的要求，研究了轻量级的时空轨迹异常度量方法，该方法需要具有增量维护能力。然后提出高效轨迹数据流索引结构。提出了轨迹流索引结构，基于网络划分的四叉树索引，索引空间区域代替索引轨迹，有效降低了索引更新频率，同时利用每个叶子节点维护一个哈希表，用来存储区域的移动对象，该索引满足了轨迹数据流索引增量更新和低更新代价的需求。轨迹数据流异常移动对象查询方面，设计了新的检测框架。主要内容包括：轨迹数据与检测查询组织和管理，检测查询运行机制，检测结果缓存等。研究了基于滑动窗口的轨迹数据流异常移动对象检测方法。. 经过项目组成员为期三年的共同努力，本项目在理论研究、学术交流和人才培养等方面取得了一些成果。在理论研究方面，获《异常轨迹检测系统》软件著作权1项，发表数据管理领域学术论文21篇，包括《EUROCOMRUTING》、《COMPLEXITY》、《ACCESS》、《FCS》、《计算机研究与发展》等学术期刊，以及EML、BIGDATA等国际学术会议。上述10篇论文发表在SCI源期刊，在学术交流方面，项目组成员和硕士研究生三年来共18人次参加了重要的学术会议，与相关领域的专家和同行进行了广泛而深入的交流。在人才培养方面，培养硕士研究生8人，6人已顺利毕业，其中1人去高校任教，5人到到国内知名的IT产业公司。