基于云計算的出租車異常行為探測研究.pdf

1、隨著傳感技術、通訊技術、儲存技術和計算能力的發(fā)展，越來越多出租車裝配了GPS傳感儀，在日常運營中產(chǎn)生大量位置數(shù)據(jù)，為我們提供了很好的機會去分析和挖掘有價值的信息。本文主要將數(shù)據(jù)應用于探測出租車異常行為，目標是自動識別車輛異常行駛軌跡，判斷司機是否存在故意繞路行為。既能保障乘客利益也有助于規(guī)范出租車服務，具有現(xiàn)實意義。本文主要研究工作如下：
　　（1）為實現(xiàn)檢測出租車異常軌跡的目標，本文先給出軌跡等相關定義，設計了檢測系統(tǒng)總體框架，

2、按模塊說明各節(jié)點作用，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)問題，本文提出 AE-AUG（Augmented method of angle and edge）軌跡補全算法，可快速求出一條通路連接兩不相鄰網(wǎng)格。
　?。?）對異常軌跡檢測核心問題，本文提出s-iBOAT（iBOAT with State）算法，該算法通過為軌跡加入最新檢測點位置下標，改進基于孤立特性的在線異常軌跡檢

3、測算法iBOAT（Isolation-Based Online Anomalous Trajectory Detection），簡化查找相似軌跡處理步驟，提升算法效率。
　?。?）利用Hadoop平臺處理出租車GPS記錄生成歷史軌跡數(shù)據(jù)，結合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，實現(xiàn)了一個基于Web前端技術的異常軌跡檢測系統(tǒng)。
　　通過檢測系統(tǒng)測試了 s-iB

4、OAT算法異常子軌跡識別效果，實驗結果良好符合理論分析。對相同起終點所有運營軌跡進行檢測，從總體檢測情況分析兩種異常軌跡形成的原因。其一是部分出租車司機經(jīng)驗豐富，對該區(qū)域熟悉，選取了少數(shù)的便捷路徑導致識別異常。其二是司機為了攢取更多的運營收益，載客時故意繞遠路導致異常。研究異常判別閾值和網(wǎng)格大小對檢測靈敏度、誤判率、準確率的影響，在測試實驗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度與總體歷史軌跡集平均長度對比情況修正