【技术实现步骤摘要】
本专利技术涉及位置信息大数据应用领域，具体而言，涉及一种基于盘旋轨迹识别可疑行为的方法。
技术介绍
1、近年来，手机定位技术被广泛应用于社区矫正工作中，以监控和记录矫正对象的行动轨迹。在应用中，可利用通信基站来确定社区矫正人员的位置。通信基站相互之间有一定的覆盖范围，当矫正人员的手机在基站的信号范围内切换时，就可以确定他们的位置，从而获得目标人员的行为轨迹，以实现对目标人员的实时监控。实时监控过程中，需要工作人员监测动态行动轨迹，识别异常行动轨迹。但通常，目标人员的大部分行动轨迹是有规律的、正常行为，异常行动对应的轨迹数据，是所有行动数据中极少数的部分。随着监控信息数据量的迅速增长，从海量数据中有效识别出异常行为数据，需要花费工作人员的大量时间和精力，因此，需要通过技术手段，结合社区环境、可疑行为的特征对行动轨迹进行初步识别和预警。
2、根据近年出现的社区事件分析：在发生事件前，可疑人员通常会以非常慢的速度在某些需要重点关注区域（即车站、学校和幼儿园）周围停滞、徘徊，进行环境观察，可见，异常行为的轨迹数据存在一定的特征。近年来，在异常轨迹检测领域也产生了许多研究成果：例如基于时间约束和空间因素对频繁路径的异常值轨迹检测方法，但这类方法虽然提高了异常轨迹检测的精度，但并没有结合异常行为轨迹数据的特征，也不适用于社区矫正的应用场景的监控。因此，需要一种技术方案，可以结合异常行为轨迹的特征，对异常轨迹进行识别，并应用于社区矫正工作中。
技术实现思路
1、为实现上述目的，本申请
2、获取流式轨迹数据，从流式轨迹数据中提取行动轨迹和行动特征；其中，流式轨迹数据为移动对象在行动过程中，按发生时间的先后顺序构成的有序数据集；流式轨迹数据包括时间ti和时间ti对应的位置信息点ci(xi,yi)；移动对象的有序行动位置构成行动轨迹s(c1......cn)；所述行动特征包括移动对象的时间、速度、距离；
3、从行动轨迹中计算符号角，识别盘旋行为，盘旋行为包括盘旋轨迹及盘旋轨迹相关的速度；其中，一个移动对象的行动轨迹中具有多个位置信息相同的有序行动位置，两个位置信息相同的有序行动位置之间的行动轨迹为单端点轨迹，环状的单端点轨迹为盘旋轨迹；
4、根据盘旋行为计算行为可疑程度；
5、根据行为可疑程度和可疑性权重，识别可疑行为。
6、其中，从流式轨迹数据中提取行动轨迹，包括以下步骤：
7、定义邻域半径，邻域半径用于判断两个位置信息点是否相邻；
8、定义领域半径内最少位置信息点数量minpts；
9、从流式轨迹数据中提取i个核心点，其中，邻居量大于等于minpts为核心点；
10、判断密度连接的相邻核心点，构成行动轨迹s(c1......cn)，。
11、进一步的，从行动轨迹中识别盘旋行为包括以下步骤：
12、从一个单端点轨迹中提取连续三个位置信息点cj-1、cj和cj+1构成的cj的第一向量和第二向量，其中，所述单端点轨迹的位置信息点的数量为n；
13、根据所述cj的第一向量和第二向量获取cj符号角；
14、遍历单端点轨迹中所有信息位置点，获取所有位置信息点的符号角；
15、如果，所述单端点轨迹为盘旋轨迹。
16、其中，符号角的计算方法为：
17、，
18、其中：，
19、。
20、进一步的，根据盘旋行为计算行为可疑程度包括以下步骤：
21、指定一个行动轨迹，获取所述行动轨迹的盘旋轨迹和盘旋轨迹相关的速度，所述和盘旋轨迹相关的速度包括移动目标在所述行动轨迹的平均速度、标准差表示为、在所述盘旋轨迹的平均速度，计算速度可疑值ssv；
22、获取盘旋轨迹的符号角度，计算盘旋可疑值csv；
23、进一步的，计算行动轨迹的行为可疑程度sv，计算方法为：
24、。
25、其中，速度可疑值ssv的计算方法为：
26、。
27、盘旋可疑值csv的计算方法为：
28、。
29、进一步的，根据行为可疑程度和可疑性权重，识别可疑行为包括以下步骤：
30、获取所述盘旋轨迹的观察目标，获取所述观察目标的环境特征，确定可疑性权重；
31、根据所述可疑性权重更新行为可疑程度；
32、提取预先设置的标准阈值，提取可疑程度大于所述标准阈值的行动轨迹，所述行动轨迹对应移动目标的行为识别为可疑行为。
33、其中，根据可疑性权重更新行为可疑程度的计算方法为：
34、，其中，w为加权系数。
35、进一步的，从行动轨迹中识别盘旋行为前，判断行动轨迹是否需要识别盘旋行为，包括以下步骤：
36、从行动轨迹提取任意两个位置信息点a(xa,ya）、b(xb,yb)；
37、判断任意两个位置信息点a(xa,ya）、b(xb,yb)之间的矢量距离比vd；
38、矢量距离比vd小于指定阈值时，行动轨迹需要识别盘旋行为。
39、其中，任意两个位置信息点a(xa,ya）、b(xb,yb)之间的矢量距离比vd的计算方法为：
40、；
41、其中，为任意两个位置信息点a(xa,ya）、b(xb,yb)之间的矢量距离，通过a(xa,ya）、b(xb,yb)之间行动轨迹s(ci)中的位置信息点ci()计算获得，计算方法为：，其中，n为位置信息点的数量；
42、dist（a，b）为所述任意两个位置信息点a(xa,ya）、b(xb,yb)）之间的直接距离，计算方法为：。
43、根据本专利技术，可以提高可疑行为的识别结果的有效性和准确性，将已量化的行为可疑程度应用于社区矫正的工作当中，可有效节约了工作人员时间和精力，提高了工作效率。
本文档来自技高网...【技术保护点】
1.一种基于盘旋轨迹识别可疑行为的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述从所述流式轨迹数据中提取行动轨迹，包括以下步骤：
3.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述从所述行动轨迹中识别盘旋行为包括以下步骤：
4.根据权利要求3所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述符号角的计算方法为：
5.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述根据所述盘旋行为计算可疑程度包括以下步骤：
6.根据权利要求5所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述速度可疑值SSV的计算方法为：
7.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，根据所述行为可疑程度和可疑性权重，识别可疑行为包括以下步骤：
8.根据权利要求7所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述根据所述可疑性权重更新行为可疑程度的计算方法为：
9.根据权利要求1所述的基
10.根据权利要求9所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述任意两个位置信息点A(xA,yA）、B(xB,yB)之间的矢量距离比VD的计算方法为：
...【技术特征摘要】
1.一种基于盘旋轨迹识别可疑行为的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述从所述流式轨迹数据中提取行动轨迹，包括以下步骤：
3.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述从所述行动轨迹中识别盘旋行为包括以下步骤：
4.根据权利要求3所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述符号角的计算方法为：
5.根据权利要求1所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述根据所述盘旋行为计算可疑程度包括以下步骤：
6.根据权利要求5所述的基于盘旋轨迹识别可疑行为的方法，其特征在于，所述速...
【专利技术属性】
技术研发人员：吴小全，王亮，韩云杰，李畅，张建平，陈冠宇，
申请(专利权)人：贵阳信息技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。