[发明专利]一种基于KD树结构的MDLOF异常航迹检测方法、系统、设备及介质

权利要求书

1.一种基于KD树结构的MDLOF异常航迹检测方法，其特征在于，包括以下步骤：

步骤1、设置近邻数为k、异常阈值为ε，根据多维航迹数据集TD＝{TR₁,TR₂,...,TR_n}构建KD树；

步骤2、利用步骤1中的KD树的查询流程得出当前航迹的k个近邻航迹；

步骤3、利用k个近邻航迹分别计算当前航迹与近邻航迹的多因素定向Hausdorff距离δ_M(TR_i,TR_j)，并利用多因素定向Hausdorff距离δ_M(TR_i,TR_j)计算每条航迹TR_i的多因素近邻边界距离δ_Mborder(TR_i,k)；

步骤4、利用步骤3中多因素近邻边界距离δ_Mborder(TR_i,k)计算每条航迹到它近邻航迹的多因素可达距离δ_Mreach(TR_i,TR_j,k)以及自身近邻密度ρ(TR_i,k)；

步骤5、利用步骤4中的近邻密度ρ(TR_i,k)计算每条航迹的多维度局部异常因子MDLOF(TR_i,k)，并将每条航迹的多维局部异常因子MDLOF(TR_i,k)与步骤1中的异常阈值ε进行比较，进行异常航迹检测。

2.根据权利要求1所述的一种基于KD树结构的MDLOF异常航迹检测方法，其特征在于，所述的步骤1中：

设置所述近邻数k的值，需满足基于KD树结构的MDLOF异常航迹检测方法运行时，计算机程序的平均处理数据速度不低于100条航迹/s、准确率不低于90％；

设置所述的异常阈值ε的值，需满足基于KD树结构的MDLOF异常航迹检测方法的F1-score异常检测得分不低于0.8；

通过将历史多维航迹数据集进行数据清洗，去除时间间隔不均匀、缺失关键数据的航迹，形成多维航迹数据集TD＝{TR₁,TR₂,...,TR_n}。

3.根据权利要求1或2所述的一种基于KD树结构的MDLOF异常航迹检测方法，其特征在于，所述的步骤1中通过多维航迹数据集TD＝{TR₁,TR₂,...,TR_n}构建KD树，具体包括以下步骤：

步骤1.1、根据多维航迹数据集TD＝{TR₁,TR₂,...,TR_n}的最大方差维度D将航迹数据集进行排序，根据中位数航迹数据构建根结点RT；

步骤1.2、将其余节点与根节点RT的D维度数据值进行对比，将拥有较小值航迹都分到左子树，将拥有较大值的航迹都分到右子树；

步骤1.3、左、右子树分别按照对应的航迹集来分别构建KD树。