基于云計(jì)算的出租車(chē)異常行為探測(cè)研究.pdf

1、隨著傳感技術(shù)、通訊技術(shù)、儲(chǔ)存技術(shù)和計(jì)算能力的發(fā)展，越來(lái)越多出租車(chē)裝配了GPS傳感儀，在日常運(yùn)營(yíng)中產(chǎn)生大量位置數(shù)據(jù)，為我們提供了很好的機(jī)會(huì)去分析和挖掘有價(jià)值的信息。本文主要將數(shù)據(jù)應(yīng)用于探測(cè)出租車(chē)異常行為，目標(biāo)是自動(dòng)識(shí)別車(chē)輛異常行駛軌跡，判斷司機(jī)是否存在故意繞路行為。既能保障乘客利益也有助于規(guī)范出租車(chē)服務(wù)，具有現(xiàn)實(shí)意義。本文主要研究工作如下：
　?。?）為實(shí)現(xiàn)檢測(cè)出租車(chē)異常軌跡的目標(biāo)，本文先給出軌跡等相關(guān)定義，設(shè)計(jì)了檢測(cè)系統(tǒng)總體框架，

2、按模塊說(shuō)明各節(jié)點(diǎn)作用，并從離線和在線處理階段分析了數(shù)據(jù)處理流程。
　?。?）為解決軌跡網(wǎng)格化后存在的不連續(xù)問(wèn)題，本文提出 AE-AUG（Augmented method of angle and edge）軌跡補(bǔ)全算法，可快速求出一條通路連接兩不相鄰網(wǎng)格。
　?。?）對(duì)異常軌跡檢測(cè)核心問(wèn)題，本文提出s-iBOAT（iBOAT with State）算法，該算法通過(guò)為軌跡加入最新檢測(cè)點(diǎn)位置下標(biāo)，改進(jìn)基于孤立特性的在線異常軌跡檢

3、測(cè)算法iBOAT（Isolation-Based Online Anomalous Trajectory Detection），簡(jiǎn)化查找相似軌跡處理步驟，提升算法效率。
　　（4）利用Hadoop平臺(tái)處理出租車(chē)GPS記錄生成歷史軌跡數(shù)據(jù)，結(jié)合Bing Maps Tile System中的地圖網(wǎng)格算法和本文提出的AE-AUG、s-iBOAT算法，實(shí)現(xiàn)了一個(gè)基于Web前端技術(shù)的異常軌跡檢測(cè)系統(tǒng)。
　　通過(guò)檢測(cè)系統(tǒng)測(cè)試了 s-iB

4、OAT算法異常子軌跡識(shí)別效果，實(shí)驗(yàn)結(jié)果良好符合理論分析。對(duì)相同起終點(diǎn)所有運(yùn)營(yíng)軌跡進(jìn)行檢測(cè)，從總體檢測(cè)情況分析兩種異常軌跡形成的原因。其一是部分出租車(chē)司機(jī)經(jīng)驗(yàn)豐富，對(duì)該區(qū)域熟悉，選取了少數(shù)的便捷路徑導(dǎo)致識(shí)別異常。其二是司機(jī)為了攢取更多的運(yùn)營(yíng)收益，載客時(shí)故意繞遠(yuǎn)路導(dǎo)致異常。研究異常判別閾值和網(wǎng)格大小對(duì)檢測(cè)靈敏度、誤判率、準(zhǔn)確率的影響，在測(cè)試實(shí)驗(yàn)條件下得出兩者最佳取值為0.1和153米。此外利用異常軌跡長(zhǎng)度與總體歷史軌跡集平均長(zhǎng)度對(duì)比情況修正