采用轨迹压缩和路网划分的车辆异常轨迹检测

随着各种网约车平台的蓬勃兴起,网约车犯罪率显著增加,而其行车轨迹往往表现出异常现象.为有效检测存在异常行为的轨迹,提出一种面向道路消耗的车辆异常轨迹检测算法.首先,将建模重点由轨迹数据转移到道路本身,对道路消耗进行建模,同时兼顾时间和距离的影响,有效提高了检测结果的准确性;其次,通过地图匹配概率将轨迹映射到路网空间,有效提高了参与检测的数据质量;然后,依据道路节点和车辆行驶方向是否改变对轨迹进行压缩,减少了内存消耗并提高了算法的效率;第四,提出并定义了消耗阈值矩阵的概念,扩大了算法检测的数据范围;最后,采用真实数据集验证了算法的有效性,并与iBOAT、TRAOD、TADSS和TPRO算法进行对比,验证了本算法具有更高的效率和准确性.