利用经验约束规则和证据理论进行出租车异常轨迹检测

周洋; 方志祥; 李清泉; 郭善昕

doi:10.13203/j.whugis20140221

利用经验约束规则和证据理论进行出租车异常轨迹检测

周洋^1,,
方志祥^2, ,,
李清泉^{2, 3},
郭善昕¹

1.
武汉大学遥感信息工程学院, 湖北武汉, 430079
2.
武汉大学测绘遥感信息工程国家重点实验室, 湖北武汉, 430079
3.
深圳大学空间信息智能感知与服务深圳市重点实验室, 广东深圳, 518060

基金项目:

国家自然科学基金 Nos. 41371377,41231171

国家863计划 No. 2012AA12A403-4

深圳市科技研发资金 Nos. ZDSY20121019111146499, JSGG20121026111056204

深圳市战略性新兴产业发展专项资金 No. JCYJ20121019111128765

详细信息

作者简介:
周洋,博士生,主要研究方向为移动对象轨迹分析和时空模式挖掘。cleverzhouyang@whu.edu.cn

通讯作者:
方志祥,博士,教授。zxfang@whu.edu.cn.

中图分类号: P208
计量
- 文章访问数: 01641
- HTML全文浏览量: 068
- PDF下载量: 0600
出版历程
- 收稿日期: 2014-10-14
- 发布日期: 2016-06-04

Anomalous Taxi Trajectory Detection Based on Experiential Constraint Rules and Evidence Theory

1.
School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China
2.
State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China
3.
Shenzhen Key Laboratory of Spatial Smart Sensing and Services, Shenzhen University, Shenzhen 518060, China

Funds:

The National Natural Science Foundation of China Nos. 41371377,41231171

National 863 Program of China No. 2012AA12A403-4

Shenzhen Scientific Research and Development Funding Program Nos. ZDSY20121019111146499, JSGG20121026111056204

Shenzhen Dedicated Fund of Strategic Emerging Industry Development Program No. JCYJ20121019111128765

More Information

Author Bio:
ZHOU Yang,PhD candidate, specializes in trajectory analysis and space-time pattern mining of moving objects. E-mail:cleverzhouyang@whu.edu.cn

Corresponding author:
FANG Zhixiang, PhD, professor. E-mail:zxfang@whu.edu.cn.

摘要

摘要: 提出了一种根据择路经验特征,利用证据理论检测出租车异常轨迹的方法。该方法考虑最短路径与轨迹长度的比值、规避路径代价、出行发生时间3个因素,利用证据理论综合这3个证据来判别轨迹的异常程度,检测出行距离和路径选择明显不同于正常情况下的异常轨迹。实验结果表明此方法能有效识别不符合正常认知的异常轨迹,不依赖于单一起始点和终点对(origin-destination,OD)中的轨迹数目,能快速处理海量GPS数据,可用于大规模浮动车数据择路行为分析前期的数据过滤。
- 异常轨迹检测 /
- D-S证据理论 /
- 经验约束规则 /
- 出租车轨迹
Abstract: In the context of urban transportation, large-scale collections of floating car trajectories are constrained by low sampling rates due to concernsabout data processing and storage. This creates uncertainty when identifying movement trajectories that reflect true route choice behaviors. To reduce uncertainty, this paper presents an approach using experiential constraints based on evidence theory to detect anomalous trajectories in taxi GPS trajectories. The approach employs three factors including the ratio of travel length between GPS traces and shortest distance path, the cost index of experiential avoid roads, and travel start times. The evidences based on the three measurements are combined in an evidence theory framework in order to get the anomalous degree of each trajectory so that the anomalous trajectories whose travel distance and travel route are significantly different from normal ones can be detected. A case study is presented using real world GPS trajectories of over 11, 000 taxis. The experimental results in Wuhan show that our method, which is not influenced by the number of trajectories between a single OD pair, has the ability to detect anomalous trajectories and can be applied to clean biased data before route choice analysis using a large fleet of floating cars.
- anomalous trajectory detection /
- D-S evidence theory /
- experiential constraint rule /
- taxi trajectories

HTML全文

图 1 算法流程

Figure 1. Flowchart of the Algorithm

下载: 全尺寸图片幻灯片

图 2 研究区域和出租车轨迹分布示例

Figure 2. Study Area and Samples of Taxi GPS Trajectories

下载: 全尺寸图片幻灯片

图 3 出租车经验规避路段等级(EAR)

Figure 3. Experience Levels of Taxi EAR

下载: 全尺寸图片幻灯片

图 4 出租车经验规避路段说明

Figure 4. Illustrations of Taxi EAR

下载: 全尺寸图片幻灯片

图 5 异常检测结果及D-S异常指数示例

Figure 5. Examples of Anomalous Detection Results and Their D-S Indices

下载: 全尺寸图片幻灯片

图 6 3种方法结果对比

Figure 6. Result Comparison of Three Methods

下载: 全尺寸图片幻灯片

表 1 实验数据统计

Table 1 Statistical Description of Traces in Different R_d

指标	R_d≤1	R_d＜1	R_d≤1/1.25	R_d≤1/1.5
轨迹数目	587 820	362 008	23 547	7 101
占所有轨迹百分比	100%	61.6%	4%	1.2%
平均GT长度/m	3 795	5 052	7 013	8 208
平均SDP长度/m	3 606	4 557	4 708	4 408
平均R_d	0.97	0.92	0.69	0.56

下载: 导出CSV

表 2 初始概率分配函数BPA值

Table 2 Default BPA Valuse for Each Set

	R_d		I_c
	0.1 ＜R_d ＜0.9	R_d≤0.1或 R_d≥0.9	0.1 ＜I_c ＜0.9	I_c≤0.1或 I_c≥0.9
m({A})	1－R_d－0.05	1－R_d	I_c－0.05	I_c
m({B})	R_d－0.05	R_d	1－I_c－0.05	I_c－0.05
m(Θ={A,B})	0.1	0	0.1	0

下载: 导出CSV

参考文献(13)

[1]	Zheng Yu, Liu Yanchi, Yuan Jing, et al. Urban Computing with Taxicabs[C]. ACM International Conference on Ubiquitous Computing, Beijing, 2011
[2]	王汉东,乐阳,李宇光,等. 城市商业服务设施吸引力的空间相关性分析[J]. 武汉大学学报·信息科学版,2011,36(9):1102-1106 Wang Handong, Yue Yang, Li Yuguang, et al. Spatial Correlation Analysis of Attractiveness of Commercial Facilities[J]. Geomatics and Information Science of Wuhan University, 2011, 36(9):1102-1106
[3]	Liu Yu. Understanding Intra-urban Trip Patterns from Taxi Trajectory Data[J]. Journal of Geographical Systems,2012,14:463-483
[4]	Fang Zhixiang, Shaw Shilung, Tu Wei, et al. Spatio Temporal Analysis of Critical Transportation Links Based on Time Geographic Concepts:A Case Study of Critical Bridges in Wuhan, China[J]. Journal of Transport Geography, 2012, 23:44-59
[5]	Oliva J B. Anomaly Detection and Modeling of Trajectories[D]. Pittsburgh:Carnegie Mellon University, 2012
[6]	Lee J G, Han Jiawei, Li Xiaolei. Trajectory Outlier Detection:A Partition-and-Detect Framework[C]. IEEE International Conference on Data Engineering, Cancun, Mexico, 2008
[7]	Zhang Daqing, Li Nan, Zhou Zhihua, et al. iBAT:Detecting Anomalous Taxi Trajectories from GPS Traces[C]. ACM International Conference on Ubiquitous Computing, Beijing, 2011
[8]	Liu Siyuan, Krishnan R. Fraud Detection from Taxi's Driving Behaviors[J]. IEEE Transactions on Vehicular Technology, 2014, 63(1):646-672
[9]	Ge Yong, Xiong Hui, Liu Chuanren, et al. A Taxi Driving Fraud Detection System[C]. IEEE International Conference on Data Mining, British Columbia, Canada, 2011
[10]	Shafer G.Mathematical Theory of Evidence[M]. Princeton:Princeton University Press, 1976
[11]	唐炉亮, 常晓猛, 李清泉. 出租车经验知识建模与路径规划算法[J]. 测绘学报,2010, 39(4):404-409 Tang Luliang, Chang Xiaomeng, Li Qingquan. The Knowledge Modeling and Route Planning Based on Taxi Experience[J]. Acta Geodaetica et Cartographic Sinica, 2010, 39(4):404-409
[12]	Li Qingquan, Zeng Zhe, Zhang Tong, et al. Path-Finding Through Flexible Hierarchical Road Networks:An Experiential Approach Using Taxi Trajectory Data[J]. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(1):110-119
[13]	Yager R R. On the Dempster-Shafer Framework and New Combination Rules[J]. Information System, 1989, 41(2):93-137

施引文献(71)

期刊类型引用(46)

1.	刘春雷，张媛静，陆晨明，李亚松，李剑锋. 基于时序InSAR的九龙江河口地区地面沉降时空演变规律及成因分析. 应用海洋学学报. 2024(01): 116-125 . 百度学术
2.	陈瑞瑞，孙颢月，朱紫若，蒋雪中，陈沈良，陈静. 黄河三角洲地面沉降研究进展与未来展望. 海岸工程. 2024(01): 1-23 . 百度学术
3.	赵凤阳，周吕，魏玉业. 融合改进鲸鱼算法解缠的梧州市地面沉降InSAR监测. 遥感信息. 2024(01): 52-58 . 百度学术
4.	侯永浩，张兴，李晓民，李宗仁. SBAS-InSAR技术在地质灾害调查中的应用. 北京测绘. 2024(10): 1477-1481 . 百度学术
5.	柳新强，姜刚，刘军峰，贺国伟. PS-InSAR和SBAS-InSAR的地表沉降监测对比研究——以雄安新区为例. 工程勘察. 2023(01): 62-67 . 百度学术
6.	曾敏，皮鹏程，赵信文，陈松，彭红霞，侯清芹，孙慧敏，薛紫萱. 基于PS-InSAR的珠江口典型填海造地区地面沉降时空特征研究. 华南地质. 2023(01): 116-126 . 百度学术
7.	李文慧，王志伟，赵月，王翔. 基于SNAP-StaMPS方法的高速公路沿线地面沉降监测. 测绘工程. 2023(03): 36-43 . 百度学术
8.	周定义，左小清，赵志芳，喜文飞，葛楚. 基于SBAS-InSAR和改进BP神经网络的城市地面沉降预测. 地质通报. 2023(10): 1774-1783 . 百度学术
9.	刘泽洲，卢才武，章赛，李萌，和郑翔. 基于多阈值目标提取的时序InSAR矿区地表沉降监测研究. 中国矿业. 2022(08): 79-85 . 百度学术
10.	王新田，刘增珉，陈建忠，梁菲，孟萌，李天鹤. 山东省地表形变InSAR监测与分析. 测绘通报. 2022(S2): 130-134 . 百度学术
11.	邓晓景，曲国庆，张建霞，席换，王晖. 融合升降轨PS-InSAR东营市地面沉降监测. 山东理工大学学报(自然科学版). 2021(01): 10-16 . 百度学术
12.	杨利，薛东剑，王海方，付林，张婷. 五龙沟矿区时序InSAR地表形变监测. 中国矿业. 2021(03): 107-112 . 百度学术
13.	程琳琳，杨玉曼，李月颖，孙梦尧，王振威，焦路尧. 矿业型村镇转型期发展问题分析与策略研究：以北京市门头沟区为例. 中国矿业. 2021(03): 101-106 . 百度学术
14.	王辉，曾琪明，焦健，陈继伟. 结合序贯平差方法监测地表形变的InSAR时序分析技术. 北京大学学报(自然科学版). 2021(02): 241-249 . 百度学术
15.	付云霞，管勇，王晓丹，王建收，尹政，周晓雪，王青，徐美君. 大型河口三角洲地面沉降机制研究——以黄河三角洲为例. 海岸工程. 2021(02): 83-95 . 百度学术
16.	关金环，高明亮，宫辉力. 首都国际机场区域差异性沉降原因探讨. 测绘科学. 2021(09): 67-75 . 百度学术
17.	柴华彬，胡吉彪，耿思佳. 融合实测数据的地表沉降SBAS-InSAR监测方法. 煤炭学报. 2021(S1): 17-24 . 百度学术
18.	程霞，张永红，邓敏，吴宏安，康永辉. Sentinel-1A卫星的黄河三角洲近期地表形变分析. 测绘科学. 2020(02): 43-51 . 百度学术
19.	卢旺达，韩春明，岳昔娟，赵迎辉，周格仪. 基于Sentinel-1A数据的天津地区PS-InSAR地面沉降监测与分析. 遥感技术与应用. 2020(02): 416-423 . 百度学术
20.	向淇文，潘建平，张广泽，徐正宣，张定凯，涂文丽. 基于SBAS技术的川藏铁路折多山地区地表形变监测与分析. 测绘工程. 2020(04): 48-54+59 . 百度学术
21.	张金盈，崔靓，刘增珉，王新田，林琳，徐凤玲. 利用Sentinel-1 SAR数据及SBAS技术的大区域地表形变监测. 测绘通报. 2020(07): 125-129 . 百度学术
22.	狄桂栓. 基于InSAR技术的黄河三角洲区域地表形变浅析. 地理空间信息. 2020(09): 106-109+8 . 百度学术
23.	高辉，罗孝文，吴自银，阳凡林. 基于时序InSAR的珠江口大面积地面沉降监测. 海洋学研究. 2020(02): 81-87 . 百度学术
24.	韩红花. 黄河三角洲区域地表形变监测研究. 山东国土资源. 2020(11): 69-72 . 百度学术
25.	夏元平，陈志轩，张毅. 南昌市地面沉降InSAR监测及影响因子分析. 测绘科学. 2020(11): 115-122+129 . 百度学术
26.	贺跃光，肖亮. 某水溶开采矿区短基线集InSAR高相干点探测. 中国锰业. 2019(01): 89-93 . 百度学术
27.	张静，丁黄平，刘纯，谢文然，时雨. 基于InSAR技术的盘锦地区地面沉降研究. 世界地质. 2019(02): 574-580 . 百度学术
28.	韩红超，符华年，张文峰，温浩. InSAR、水准多维沉降监测体系建设及应用研究. 测绘通报. 2019(S1): 236-241 . 百度学术
29.	师芸，李伟轩，唐亚明，席磊，孟欣. 时序InSAR技术在地球环境监测及其资源管理中的应用:以交城-清徐地区为例. 武汉大学学报(信息科学版). 2019(11): 1613-1621 . 百度学术
30.	杨帆，王道顺，张磊，张子文. 基于时序InSAR的隧道工程形变监测与分析. 测绘与空间地理信息. 2019(10): 1-4 . 百度学术
31.	黄洁慧，谢谟文，王立伟. 基于SBAS-InSAR技术的白格滑坡形变监测研究. 人民长江. 2019(12): 101-105 . 百度学术
32.	黄洁慧，谢谟文，王立伟. 基于差分干涉合成孔径雷达技术的米林滑坡形变监测. 科学技术与工程. 2019(25): 7-12 . 百度学术
33.	李锁乐，吴宏安，张永红，康永辉，左振华. 包头市地面沉降高分辨率时序InSAR监测. 测绘科学. 2018(09): 76-80 . 百度学术
34.	杨帆，张磊，张子文，赵增鹏. 利用短基线集InSAR技术监测抚顺市地面沉降. 测绘通报. 2018(03): 84-88 . 百度学术
35.	张静，冯东向，綦巍，周雪，赵玉星. 基于SBAS-InSAR技术的盘锦地区地面沉降监测. 工程地质学报. 2018(04): 999-1007 . 百度学术
36.	贺晓阳，赵盟，程存付. 小基线集技术在矿区地表形变监测中的应用. 河南科技. 2018(13): 97-98 . 百度学术
37.	LIU Xiao，LIU Jie，FENG Xiuli. Inversion and Prediction of Consolidation Settlement Characteristics of the Fluvial Sediments Based on Void Ratio Variation in the Northern Modern Yellow River Subaqueous Delta, China. Journal of Ocean University of China. 2018(03): 545-554 . 必应学术
38.	李达，邓喀中，高晓雄，牛海鹏. 基于SBAS-InSAR的矿区地表沉降监测与分析. 武汉大学学报(信息科学版). 2018(10): 1531-1537 . 百度学术
39.	张炜，张伟胜，张东升，胡文敏，孙毓言，唐佳佳. 采动覆岩活动规律的“空-地”监测技术. 中国矿业大学学报. 2018(06): 1212-1223 . 百度学术
40.	王小侣. 水电站大坝400V备自投改造研究. 河南科技. 2018(19): 90-91 . 百度学术
41.	张磊，杨帆，李超飞，赵增鹏，张子文. 宁波地面沉降的短基线集监测与分析. 测绘科学. 2017(12): 77-82 . 百度学术
42.	陈继伟，曾琪明，焦健，赵斌臣. Sentinel-1A卫星TOPS模式数据的SBAS时序分析方法——以黄河三角洲地区为例. 国土资源遥感. 2017(04): 82-87 . 百度学术
43.	王萍. 沉降观测技术在高层建筑施工中的应用. 建材与装饰. 2017(35): 19-20 . 百度学术
44.	史秀保，徐宁，温浩，李春进. 一种小基线地表形变监测精度评价方法. 测绘通报. 2016(08): 70-73+91 . 百度学术
45.	于丹，杨子玉，庄岩，于均园. 时序分析法在沈阳地铁二号线变形预测的应用. 沈阳建筑大学学报(自然科学版). 2016(03): 453-458 . 百度学术
46.	王霖郁，李辉. 一种枝切法和质量图相结合的InSAR相位解缠算法. 应用科技. 2016(05): 49-53 . 百度学术