云計(jì)算環(huán)境下基于時(shí)空異常的軌跡模式挖掘算法研究.pdf

1、近年來，隨著全球定位技術(shù)、無線通信以及電子數(shù)碼產(chǎn)品的發(fā)展，越來越多具有定位功能的車載設(shè)備和手持設(shè)備得到廣泛普及，使得人們能夠以較高時(shí)空分辨率記錄移動(dòng)對(duì)象的位置信息，并且產(chǎn)生大量時(shí)空軌跡數(shù)據(jù)。時(shí)空軌跡異常檢測是時(shí)空軌跡模式挖掘中的一個(gè)重要研究內(nèi)容，可廣泛應(yīng)用于交通管理與監(jiān)測、動(dòng)物遷徙分析與氣象預(yù)報(bào)、突發(fā)事件監(jiān)測等異常行為識(shí)別領(lǐng)域。為了解決海量時(shí)空軌跡的異常檢測問題，本文研究了云計(jì)算環(huán)境中基于時(shí)空異常的時(shí)空軌跡檢測算法，并利用Spark并行

2、編程框架實(shí)現(xiàn)了時(shí)空異常軌跡并行檢測算法，取得了如下研究成果。
　　1.提出了一種基于最小邊界盒的時(shí)空異常軌跡檢測算法STOD(Spatial-temporal Trajectory Outlier Detection)，該算法在考慮距離、方向、速度等軌跡特性的基礎(chǔ)上，通過對(duì)時(shí)空軌跡段構(gòu)建最小邊界盒MBB，并計(jì)算其異常指數(shù)來判斷是否為異常軌跡，從而實(shí)現(xiàn)了針對(duì)時(shí)空維度的異常軌跡檢測。同時(shí)，為了減少不必要的軌跡段相似性計(jì)算，提出了時(shí)空網(wǎng)

3、格索引以實(shí)現(xiàn)在時(shí)空維度中的區(qū)域查詢，從而減少了計(jì)算量，提高了算法的效率。
　　2.提出了一種基于軌跡點(diǎn)密度網(wǎng)格的時(shí)空異常軌跡檢測算法STODP(Spatial-temporal Trajectory Outlier Detection algorithm based on Point density grid)，該算法同時(shí)考慮了軌跡的方向和密度信息，并且可以檢測出每條完整軌跡上的最長連續(xù)異常子軌跡。同時(shí)，為了減少稀疏區(qū)域與稠密區(qū)域

4、在密度上的不平衡性所產(chǎn)生的影響，將時(shí)空網(wǎng)格索引與軌跡點(diǎn)密度網(wǎng)格相結(jié)合，提出了動(dòng)態(tài)距離網(wǎng)格索引，不僅減少了計(jì)算量，還提高了檢測結(jié)果的有效性。
　　3.提出了基于上述兩種算法的并行挖掘算法PSTOD和PSTODP，利用Spark并行編程框架，將軌跡數(shù)據(jù)分發(fā)到各個(gè)節(jié)點(diǎn)，并讓集群中的多個(gè)計(jì)算節(jié)點(diǎn)同時(shí)檢測不同的軌跡，從而提高算法效率，實(shí)現(xiàn)對(duì)大規(guī)模的軌跡數(shù)據(jù)集進(jìn)行異常軌跡并行檢測。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，隨著計(jì)算節(jié)點(diǎn)的增加，本文提出的算