大数据环境下轨迹破案中的移动对象数据挖掘关键技术研究

According to the characteristics of moving objects trajectory in crime analysis, i.e. temporal shift, temporal deviation，noise, uncertainty, abnormality, this project aims to focus on the research of Crime Analysis using Moving Object Data Mining technology in big data (short for CA-MODM). The main contents of the project include: query processing technique based on trajectory clues, moving object data mining technology based on spatio-temporal characteristic, moving object data mining technology based on semantic trajectory, and application model of case detection. Based on the theoretical research results, we will implement a CA-MODM prototype and seek for real-world applications. This project is of great important to prevent decrease and control the criminals. Meanwhile, as the research is a challenging cross-disciplinary subject involving moving object database, data mining and case detection, the project is significant in academia study as well as application.

本项目申请拟针对案件侦查中移动对象轨迹的偏移性、偏差性、干扰性、不完整性及异常性等特点，研究大数据环境下轨迹破案中的移动对象时空数据挖掘关键技术，重点突破基于轨迹线索的查询处理技术、基于时空特性的移动对象数据挖掘技术、基于轨迹语义的移动对象数据挖掘技术以及轨迹破案应用模式，研制相应的轨迹破案实验系统并部署典型应用。研究成果对于加强我国警用装备的现代化、提高公安综合信息系统的能力、提升社会治安、保障社会和谐具有重要的社会及经济意义；同时作为数据库、数据挖掘以及案件侦查等多个学科领域的交叉与结合，本项目的研究具有重要的学术价值。

本申请项目针对案件侦查中移动对象轨迹的偏移性、偏差性、干扰性、不完整性及异常性等特点，主要研究了大数据环境下轨迹破案中的移动对象时空数据挖掘关键技术。本项目的主要研究工作及进展如下：. （1）基于轨迹线索的查询处理技术. 提出了一种面向海量异构数据的管理存储框架；提出了基于轨迹线索与关联分析的查询技术和资源动态分配技术，对轨迹破案系统中的查询提供支持。. （2）基于时空特性的移动对象数据挖掘技术. 考虑了轨迹特征与轨迹线索等多项因素，面向大数据环境设计了有效的数据挖掘算法，包括移动对象的聚类方法、移动模式与行为规律、异常轨迹检测、各类挖掘算法的增量挖掘及并行化技术，从而挖掘出针对轨迹破案领域的更准确更复杂的模式。. （3）基于轨迹语义的移动对象数据挖掘技术. 考虑了轨迹特征和轨迹语义信息等多项因素，提出了基于轨迹语义的行为模式挖掘方法，提取出移动对象的行为语义、社会关系的目的意图等，包括语义轨迹抽象化机制、基于偏好的移动模式挖掘方法、基于行为模式的移动对象聚类方法、移动对象的社会关系建模方法等。. （4）轨迹破案中的时空数据管理分析平台实验系统与典型应用的部署. 在研究工作的基础上，研制了轨迹破案中的时空数据管理分析平台（CA-MODM）实验系统，对相关模型、方法、性能进行充分的实验和测试，并进行了典型应用的部署。. 本项目组在研究过程中申请了发明专利10项、获得软件著作权1项、发表了毕业论文3篇及学术论文11篇（其中期刊论文5篇、国际会议论文6篇）。. 本项目突破了我国在轨迹破案领域中所面临的信息化处理手段相对落后的问题，研究成果对于在第一时间内查获犯罪嫌疑人、迅速分析嫌犯的行为规律、目的意图及案件同伙的关联性信息、最大限度地降低犯罪后果具有重要的意义。