[发明专利]一种基于移动对象数据流的突发事件检测方法

说明书

技术领域

本发明涉及灾难预警领域中的一种基于移动对象数据流的突发事件检测方法。

背景技术

近年来，我国进入了非常规突发事件的高发期，非常规突发事件带来了巨大的生命与财产损失，并伴随着深远的灾难后果。为了更好的避免灾难减少损失，灾难预警技术得到了广泛的关注与研究，其中从移动对象数据流中准确地获得实时的移动对象群体异常行为具有重要的研究与实用价值。

目前的移动对象行为模式聚类方法主要分为两大类：移动对象聚类和移动轨迹聚类，然而这些方法都不能检测出复杂群体行为的突发事件。其中移动对象聚类方法研究的是行驶过程中同行或者部分同行的移动对象群体，其中具有代表性的有Joachim Gudmundsson等提出的Flock，Hoyoung Jeung等提出的Convoy，Zhenhui Li等提出的Swarm，Lu-An Tang等提出的Companions，以及Kai Zheng等提出的Gathering等等。移动轨迹聚类研究的是移动对象群体中相似的轨迹段，其中具有代表性的有Jae-Gil Lee等提出的Partition-and-Group，Huey-Ru Wu等提出的Dividing-and-Clustering，以及Fosca Giannotti提出的Region-of-Interest等等。

然而，上述研究都无法表示并检测移动对象群体的异常行为。在移动对象数据流中异常行为的表示与建模、异常行为模式的挖掘和检测、原型系统的实现与性能分析等，没有得到有效的研究与解决，对这些关键技术问题有待进一步的研究。

发明内容

针对上述尚无解决的关键问题，本发明提出了一种高效、高精度、实时的基于移动对象数据流的突发事件检测方法。在本发明中，移动对象群体的异常行为被抽象为滚雪球模式的异常行为，具体来说就是移动对象群体的持续急剧增大或缩小的行为模型。本发明提出了根据雪球模式进行突发事件检测的方法，即通过移动对象聚类的急剧变化来检测突发事件。

本发明所采用的技术方案是通过采集和存储的移动对象时空数据流，然后采用基于密度的聚类算法，以每个采样时刻为单位，实时地获得移动对象聚类，并高效地检测当前移动对象中滚雪球模式的异常行为，及时预示可能发生的灾难。

本发明基于移动对象数据流的突发事件检测方法，其步骤包括：

一种基于移动对象数据流的突发事件检测方法，其步骤包括：

1）对移动对象时空数据流进行采集，存储移动对象的位置信息（t，lon，lat），其中t表示采样时刻，lon和lat分别是在采样时刻t时所述移动对象所在的经纬度；

2）以每个采样时刻为单位，挖掘当前时刻t的所有移动对象聚类，根据所述移动对象聚类得到一邻接表，同时更新该邻接表中的聚类间关联关系；

3）根据所述邻接表中的链接关系在不大于t时刻内向前面的采样时刻搜索，建立滚雪球模式并挖掘出所有雪球模式的异常行为；

4）根据所述雪球模式的异常行为检测出突发事件。

更进一步，所述雪球模式的异常行为是指找出所述移动对象时空数据流中持续急剧增大或缩小的移动对象群体异常行为。

更进一步，所述雪球模式S是由一系列有序的聚类{C₁,C₂,…,C_n}组成，其中设C_i是采样时刻t_i的移动对象聚类（其中1≤i≤n），并且S满足：

（1）雪球模式的持续时间大于给定时间阈值δ_t；

（2）S中任意相邻的两个聚类C_i和C_i+1之间满足关联关系：增大或缩小比例大于给定比例阈值δ_θ；增大或缩小速度大于给定速度阈值δ_speed。

更进一步，根据所述移动对象聚类得到一邻接表的方法如下：

1）在创建邻接表的过程中，将聚类及其之间的关系转换为有向图；

2）将每个聚类转换为有向图中的顶点，聚类之间的关联关系转化为有向图中的边，有关联关系的聚类之间相交的移动对象个数映射为有向图中的边权重；得到加权有向图G；

3）采用邻接表表示所述有向图G。

更进一步，所述移动对象聚类是由一组密集的移动对象组成的任意形状的移动对象集合C，其中C中的任意两个移动对象p、q之间都满足距离可达关系，即p，q之间存在一串移动对象Q，Q中任意相邻的两个移动对象O_i和O_i+1之间满足：