【摘要】：近年來,隨著GPS設備的流行,越來越多場景中的軌跡數據得以被挖掘。出租車是城市軌道交通的重要組成部分。軌跡異常檢測是軌跡數據挖掘中的一個基礎研究點,對于軌跡數據的清洗和城市交通中的異常事件發(fā)現具有重要指導意義。本課題研究出租車軌跡異常檢測可視分析系統,通過對城市中出租車軌跡的研究,發(fā)現在城市中出行軌跡的模式,并對異常軌跡的檢測問題提出可行性的解決方法,通過可視化的方式使異常軌跡檢測變得可感知。首先,本文分析了傳統異常軌跡檢測算法存在的一些問題。軌跡軌跡檢測是一個被廣泛研究的問題。傳統的異常軌跡檢測方法主要集中在研究給定起始點的軌跡數據集上,這些方法在一定的程度上只考慮了軌跡而沒有結合路網的特征以及不同軌跡數據集之間存在的共性。針對上述在軌跡異常檢測過程中存在的問題和不足,本文提出了基于循環(huán)神經網絡的異常軌跡檢測方法(ATD-RNN)。通過學習的軌跡的表示,可以在低維空間中度量不同軌跡之間的距離,從而可以基于密度聚類的思想或利用神經網絡等機器學習方法訓練異常軌跡的分類器。為了更好地學習軌跡之間的序列信息,提升異常軌跡檢測的性能。本文研究了采用基于注意力機制的循環(huán)神經網絡進行異常軌跡檢測的方法(ATD-att)。通過在出租車軌跡數據中進行異常檢測的驗證,證明了本文提出的基于循環(huán)神經網絡進行異常軌跡檢測的有效性。此外,本文進行了充分的實驗分析了提出模型的魯棒性�；谔岢龅幕谘h(huán)神經網絡的異常軌跡檢測模型,本文設計并實現了出租車軌跡異常檢測可視分析系統,通過對出租車異常軌跡問題的研究,本文提出了一整套異常軌跡可視分析的流程。設計并實現了基于ATD-RNN的異常軌跡可視分析系統,該系統可以輔助異常軌跡檢測模型的訓練,從而提升異常軌跡檢測的效果,通過在真實軌跡數據集上的分析案例,驗證了系統的有效性。
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：U495;TP311.13
【圖文】：

緯度和時間戳。而一段軌跡表示為Ｔ邋＝邋｛Ｐｌ邋—邋ｐ２—？？？邋—邋＆？｝，ｔｎ是軌跡的逡逑長度。逡逑—段可能的軌跡如圖２－１所示。邐逡逑＂ｔｉ逡逑？邋－邐４１．１７４０１５，邋－８．６６９７７３，２0１７／0１／２0邋１２：５0，．．．逡逑ｙｉ邐＂邐４Ｉ．ＶＯ３７６，邋－８．６６３４１７，邋２０１７／０１／２０１２：５６，…逡逑Ｔ１邐？邐４１．１７０３２３，邋．８．６５７７１７，２０１７／０１／２０１３：00，…逡逑４１．１７0３１３，邋６７７７１７，２０１７／０１／２０１３：0３，…逡逑ｃ邐－逡逑４１－１６３１５２，邋－８．６３２６７３，２０１７／０１／２０邋１２：５0，邋？？？逡逑？邐。邐Ｉ邐逡逑（ａ）軌跡數據點邐（ｂ）軌跡表示逡逑圖２－１軌跡數據及其表示逡逑需要注意的是原始的軌跡日志并不一定對應一條軌跡，出租車在行駛的過程逡逑中可能會經過很長一段時間才將日志記錄提交，此時需要更加軌跡日志中的時間逡逑和空間特征對軌跡進行分割

中獲得了較好的實驗和應用效果，例如，自然語言處理，語音識別，圖像檢測，逡逑圖像生成等［４４４６］。逡逑人工神經網絡（ＡＮＮ）的基礎組成單元是神經元，如圖２－２所示。每個神經逡逑元由ｎ個輸入參數一個輸出對于每個輸入，神經單元中會有一個參數ｗｉ；？與其逡逑對應，該參數表達了神經單元對于輸入信號的敏感程度；同時神經元中會有一個逡逑激活閾值０／，當輸入信號的組合超過該閾值時，神經單元激活給出一個輸出。逡逑＾１逡逑ｓｉ邐＾｛ｙ＾ｕｓｉ＋邐ｊ邐？逡逑圖２－２人工神經元逡逑每個神經元實現了對輸入數據的非線性變換，通過多個神經元之間的組合連逡逑接，可以實現更加復雜的函數表示。在序列數據的處理中，循環(huán)神經網絡發(fā)揮了逡逑１４逡逑

【相似文獻】

相關期刊論文 前10條

1 降惠;;醫(yī)學大數據可視分析研究[J];軟件工程;2017年11期

2 ;《空間可視分析方法和應用》出版[J];測繪通報;2008年02期

3 趙穎;張卓;袁曉如;;數據可視分析挑戰(zhàn)賽三年回顧[J];網絡與信息安全學報;2018年02期

4 徐佳;魏景利;;食品安全大數據可視分析方法研究[J];現代食品;2018年06期

5 文斐;;可視分析是變現大數據價值最終一環(huán)[J];互聯網周刊;2016年21期

6 陳達;崔虎平;蘇亞龍;;多粒度時空對象可視分析體系初探[J];地理信息世界;2018年02期

7 徐葛培;;大數據可視分析視角下的礦產資源規(guī)劃研究[J];科技創(chuàng)新與應用;2017年26期

8 侯雪;肖丁;陳璞迪;宋禮;;用電行為數據可視分析系統[J];計算機應用;2018年S1期

9 孫國道;柳芬;蔣莉;梁榮華;;基于空間區(qū)域功能劃分的人群移動模式可視分析[J];計算機輔助設計與圖形學學報;2018年06期

10 沈漢威;張小龍;陳為;袁曉如;王文成;;可視化及可視分析專題前言[J];軟件學報;2016年05期

相關會議論文 前4條

1 袁曉如;;大數據可視分析——挑戰(zhàn)和機遇[A];大數據、云計算與地球物理應用研討活動論文摘要集[C];2014年

2 鄧超;宋金偉;孫瑞志;郭曉惠;史銀雪;袁鋼;孫忱;鄧雪峰;陸瑛;;基于熱力圖的卷煙市場數據可視分析系統[A];中國煙草學會學術年會優(yōu)秀論文集[C];2017年

3 鮑虎軍;;城市場景的多維表達與交互可視分析[A];浙江省信號處理學會2015年學術年會論文集[C];2015年

4 汪恭正;滕東興;熊金泉;王宏安;戴國忠;;基于交互歷史在線跟蹤機制的可視分析系統[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關重要報紙文章 前3條

1 記者 張靜　通訊員 李博;我國首款全球三維體可視分析軟件研發(fā)成功[N];中國氣象報;2013年

2 北京應用物理與計算數學研究所 吳明靜;勇于擔當 追求無限[N];科技日報;2011年

3 本報記者 馬靜t

本文編號：2717099