[发明专利]一种高频人车关联异常的数据识别方法及系统

说明书

本发明提供了一种高频人车关联异常的数据识别方法及系统，在多个不同时刻收集每一个乘客的于多种公共交通工具上的定位数据和时间数据组成的序列作为人车关联数据，将各个乘客的人车关联数据组成的集合作为人车关联数据集合，对人车关联数据集合进行时空变化处理得到人车关联量，对人车关联量进行异常搜索得到异常点集合，通过异常点集合得到异常轨迹，实现了快速在多个复杂的乘客的时间空间位移数据上搜索得到异常轨迹的有益效果。

技术领域

本发明属于大数据处理领域，具体涉及一种高频人车关联异常的数据识别方法及系统。

背景技术

异常识别是在各种人工智能落地应用技术中，利用时间及空间的数据进行特征的抽取和维度的转换，进而检测出数据中存在异常的数据分布特征。 在人口数量密集的大中型城市中，公共交通网络规模巨大且运输效率高，在登上各种公共交通工具的时候，乘客需要进行基于交通卡、行程卡打卡等的数据记录，可由此获取乘客的出行时间和定位坐标，进而识别出高频人车关联异常的数据。在申请号为CN201910526181.4的专利文献中公开了一种生物识别与车辆识别联合检测方法，尽管可以对人和车同时进行生物识别和车辆识别并将两个识别结果进行数据关联再通过任一识别手段进行单一确认身份，但是仍不能够对异常的运动轨迹进行有效的追踪。

发明内容

本发明的目的在于提出一种高频人车关联异常的数据识别方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

本发明提供了一种高频人车关联异常的数据识别方法及系统，在多个不同时刻收集每一个乘客的于多种公共交通工具上的定位数据和时间数据组成的序列作为人车关联数据，将各个乘客的人车关联数据组成的集合作为人车关联数据集合，对人车关联数据集合进行时空变化处理得到人车关联量，对人车关联量进行异常搜索得到异常点集合，通过异常点集合得到异常轨迹。

为了实现上述目的，根据本发明的一方面，提供一种高频人车关联异常的数据识别方法，所述方法包括以下步骤：

S100，在多个不同时刻，收集每一个乘客的于多种公共交通工具上的定位数据和时间数据组成的序列作为人车关联数据；

S200，将各个乘客的人车关联数据组成的集合作为人车关联数据集合；

S300，对人车关联数据集合进行时空变化处理，得到人车关联量；

S400，对人车关联量进行异常搜索，得到异常点集合；

S500，通过异常点集合得到异常轨迹。

进一步地，在S100，收集每一个乘客在多个不同时刻的于多种公共交通工具上的定位数据和时间数据组成的序列作为人车关联数据的方法为：

在多个不同时刻获取乘客在公共交通工具上的定位坐标和对应的时刻分别作为定位数据和时间数据，再把该个乘客在各时刻的时间数据与定位数据按时间的先后顺顺序组成的序列作为该个乘客对应的人车关联数据，时间数据为时间的记录，定位数据为定位坐标的经纬度值，对每个乘客进行收集人车关联数据。

进一步地，在S200，将各个乘客的人车关联数据组成的集合作为人车关联数据集合的方法为：将多个不同的乘客对应的人车关联数据组成的集合作为人车关联数据集合，记人车关联数据集合为集合Dset，人车关联数据集合中元素的数量为n，人车关联数据集合中元素的序号为i，i∈[1,n]，序号i与人车关联数据所述的乘客保持对应关系，人车关联数据集合中序号为i的人车关联数据为D(i)；

记所述多个不同时刻中时刻的数量为k，所述多个不同时刻中时刻的序号为d，d∈[1,k]；