本文選題：異常檢測(cè)　切入點(diǎn)：軌跡大數(shù)據(jù)　出處：《軟件學(xué)報(bào)》2017年01期

【摘要】：定位技術(shù)與普適計(jì)算的蓬勃發(fā)展催生了軌跡大數(shù)據(jù),軌跡大數(shù)據(jù)表現(xiàn)為定位設(shè)備所產(chǎn)生的大規(guī)模高速數(shù)據(jù)流.及時(shí)、有效地對(duì)以數(shù)據(jù)流形式出現(xiàn)的軌跡大數(shù)據(jù)進(jìn)行分析處理,可以發(fā)現(xiàn)隱含在軌跡數(shù)據(jù)中的異�，F(xiàn)象,從而服務(wù)于城市規(guī)劃、交通管理、安全管控等應(yīng)用.受限于軌跡大數(shù)據(jù)固有的不確定性、無(wú)限性、時(shí)變進(jìn)化性、稀疏性和偏態(tài)分布性等特征,傳統(tǒng)的異常檢測(cè)技術(shù)不能直接應(yīng)用于軌跡大數(shù)據(jù)的異常檢測(cè).由于靜態(tài)軌跡數(shù)據(jù)集的異常檢測(cè)方法通常假定數(shù)據(jù)分布先驗(yàn)已知,忽視了軌跡數(shù)據(jù)的時(shí)間特征,也不能評(píng)測(cè)軌跡大數(shù)據(jù)中動(dòng)態(tài)演化的異常行為.面對(duì)軌跡大數(shù)據(jù)低劣的數(shù)據(jù)質(zhì)量和快速的數(shù)據(jù)更新,需要利用有限的系統(tǒng)資源處理因時(shí)變帶來(lái)的概念漂移,實(shí)時(shí)地檢測(cè)多樣化的軌跡異常,分析軌跡異常間的因果聯(lián)系,繼而識(shí)別更大時(shí)空區(qū)域內(nèi)進(jìn)化的、關(guān)聯(lián)的軌跡異常,這是軌跡大數(shù)據(jù)異常檢測(cè)的核心研究?jī)?nèi)容.此外,融合與位置服務(wù)應(yīng)用相關(guān)的多源異質(zhì)數(shù)據(jù),剖析異常軌跡的起因以及其隱含的異常事件,也是軌跡大數(shù)據(jù)異常檢測(cè)當(dāng)下亟待研究的問(wèn)題.為解決上述問(wèn)題,對(duì)軌跡異常檢測(cè)技術(shù)的研究成果進(jìn)行了分類總結(jié).針對(duì)現(xiàn)有軌跡異常檢測(cè)方法的局限性,提出了軌跡大數(shù)據(jù)異常檢測(cè)的系統(tǒng)架構(gòu).最后,在面向軌跡流的在線異常檢測(cè)、軌跡異常的演化分析、軌跡異常檢測(cè)系統(tǒng)的基準(zhǔn)評(píng)測(cè)、異常檢測(cè)結(jié)果語(yǔ)義分析的數(shù)據(jù)融合以及軌跡異常檢測(cè)的可視化技術(shù)等方面探討了今后的研究工作.
[Abstract]:The rapid development of positioning technology and pervasive computing has given birth to big data, the locus big data, which is a large scale high-speed data stream produced by positioning equipment.By analyzing and dealing with the trajectory big data in the form of data flow in time and effectively, we can find the abnormal phenomenon hidden in the track data, which can serve the application of urban planning, traffic management, safety control and so on.Limited by the inherent uncertainty, infinity, time-varying evolution, sparsity and skewness of trajectory big data, the traditional anomaly detection techniques can not be directly applied to the trajectory big data anomaly detection.Because the anomaly detection method of static track data set usually assumes that the data distribution is known a priori, it neglects the time characteristic of track data, and can not evaluate the abnormal behavior of dynamic evolution in trajectory big data.In the face of big data's poor data quality and rapid data updating, it is necessary to use limited system resources to deal with the concept drift caused by time-varying, to detect various trajectory anomalies in real time, and to analyze the causal relationship between trajectory anomalies.Then we can identify the related trajectory anomalies in the larger space-time region, which is the core research content of trajectory big data anomaly detection.In addition, the fusion of multi-source heterogeneous data related to location service application, the analysis of the cause of abnormal trajectory and the hidden abnormal events are also the problems that need to be studied urgently in the detection of track big data anomaly.In order to solve the above problems, the research results of trajectory anomaly detection are classified and summarized.Aiming at the limitation of the existing trajectory anomaly detection methods, the system architecture of trajectory big data anomaly detection is proposed.Finally, on line anomaly detection for trajectory flow, evolution analysis of trajectory anomaly, benchmark evaluation of trajectory anomaly detection system,The data fusion of semantic analysis of anomaly detection results and the visualization technology of track anomaly detection are discussed in this paper.
【作者單位】： 華東師范大學(xué)數(shù)據(jù)科學(xué)與工程學(xué)院;西華師范大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61370101,U1501252,U1401256) 上海市教委創(chuàng)新計(jì)劃(14ZZ045) 西華師范大學(xué)國(guó)家級(jí)項(xiàng)目培育專項(xiàng)(16C005)~~
【分類號(hào)】：TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前5條

1 黎錦雷;黃春莎;;一體化數(shù)據(jù)信息分析反饋[J];氣象研究與應(yīng)用;2013年04期

2 夏秀峰,劉 鯤,孫偉東;一種基于前置與后置策略的數(shù)據(jù)異常處理技術(shù)[J];沈陽(yáng)航空工業(yè)學(xué)院學(xué)報(bào);2002年01期

3 鄧鹽婷;曲衛(wèi)平;;一種消除數(shù)據(jù)異常的關(guān)系代數(shù)運(yùn)算方法[J];電腦知識(shí)與技術(shù);2014年11期

4 梁棟;張宇峰;袁慎芳;吳鍵;;橋梁數(shù)據(jù)異常診斷方法在伸縮縫監(jiān)測(cè)中的應(yīng)用[J];數(shù)據(jù)采集與處理;2011年05期

5 ;[J];;年期

相關(guān)會(huì)議論文 前6條

1 蘇艷;胡少棟;胡映紅;;對(duì)自動(dòng)氣象站數(shù)據(jù)異常原因及防范措施的探討[A];第七屆長(zhǎng)三角氣象科技論壇論文集[C];2010年

2 華連生;溫華洋;徐光清;吳必文;汪臘寶;;“雙套站”氣溫模擬評(píng)估[A];第28屆中國(guó)氣象學(xué)會(huì)年會(huì)——S1第四屆氣象綜合探測(cè)技術(shù)研討會(huì)[C];2011年

3 秦榕;井立紅;何亞平;瑪依努爾·阿不拉;侯玲紅;;自動(dòng)站凈全輻射異常值的處理方法[A];第26屆中國(guó)氣象學(xué)會(huì)年會(huì)第三屆氣象綜合探測(cè)技術(shù)研討會(huì)分會(huì)場(chǎng)論文集[C];2009年

4 許嘉玲;王超球;趙秀英;;自動(dòng)氣象站數(shù)據(jù)異常的原因分析[A];2006年華南地區(qū)學(xué)術(shù)交流會(huì)論文集[C];2006年

5 陳璐;;北京地區(qū)自動(dòng)氣象站數(shù)據(jù)異常因素分析[A];第28屆中國(guó)氣象學(xué)會(huì)年會(huì)——S1第四屆氣象綜合探測(cè)技術(shù)研討會(huì)[C];2011年

6 陳靜;張遠(yuǎn);張青珍;王國(guó)安;邢用書;;新氣象 新問(wèn)題 新思路[A];第28屆中國(guó)氣象學(xué)會(huì)年會(huì)——S1第四屆氣象綜合探測(cè)技術(shù)研討會(huì)[C];2011年

相關(guān)重要報(bào)紙文章 前3條

1 東方證券首席經(jīng)濟(jì)學(xué)家 邵宇;三因素導(dǎo)致金融數(shù)據(jù)異常[N];第一財(cái)經(jīng)日?qǐng)?bào);2014年

2 本報(bào)記者 宋菁;兩項(xiàng)外貿(mào)數(shù)據(jù)異常[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2013年

3 本報(bào)記者 韓雪萌;結(jié)售匯數(shù)據(jù)異常 源于企業(yè)結(jié)匯動(dòng)機(jī)減弱[N];金融時(shí)報(bào);2014年

相關(guān)碩士學(xué)位論文 前2條

1 胡瑩;Argo剖面浮標(biāo)數(shù)據(jù)異常檢測(cè)方法研究[D];桂林電子科技大學(xué);2016年

2 曾智慧;考慮數(shù)據(jù)異常的高速公路交通運(yùn)行狀態(tài)評(píng)價(jià)方法與實(shí)現(xiàn)[D];重慶大學(xué);2016年

，

本文編號(hào)：1728764