异常轨迹检测（识别偏航轨迹+轨迹异常原因识别）

哈士奇的罪恶

偏航轨迹有两种，一种是整个轨迹全部偏航，另一种是部分轨迹偏航。

基本的思想是将轨迹进行聚类，或者找出两地间频繁的出行模式。

如果一条轨迹不属于任何一个聚类，则认为轨迹偏航


轨迹异常原因有多种，包含事故、交通控制、抗议、庆典、灾难、大型体育运动等


轨迹异常原因识别：

1）根据主要路网形状，将城市分为一个个不相连的区域，并根据两个区域之间行驶的车辆的轨迹，识别两个区域之间的异常联系。

2）考虑每个道路的三个特征：一个时间段内，一条道路经过的车辆数量；车辆进入目标区域时，经过该道路的比例；从原始区域离开时，经过该道路的比例。

3）同样，计算昨天相同时段的该条车道的特征，并计算两个特征之间的minimum distortion

4）将minimum distortion 映射到三维空间里面，根据Mahalanobis distance找出三维空间中的极值，极值则为异常路段。


另外一种轨迹异常原因识别方法是：

将轨迹用道路代替，然后找出和以往出行模式的区别，在通过挖掘社交媒体，得出结论

还有一种轨迹异常原因识别方法是：

采用了似然比检验

他们把一个城市划分成统一的网格，并计算在一段时间内到达网格的车辆数量。我们的目标是识别连续的一组网格和时间间隔，他们的统计上最大的显著偏离预期的行为（即车辆的数量）。这些网格的对数似然比统计量的值落在χ2分布的尾部可能异常。