发明名称 一种基于隐马尔科夫模型的出行异常检测方法
摘要 一种基于隐马尔科夫模型的出行异常检测方法,包括以下步骤:(1)利用北斗或GPS定位设备采集监测数据的数据,包括经度、纬度和日期,并用GPRS模块将这些数据发送到出行行为监测平台;(2)将坐标数据分为工作日数据<img file="DDA0000458183240000011.GIF" wi="424" he="64" />和节假日数据<img file="DDA0000458183240000012.GIF" wi="416" he="80" />采用k-medoids算法进行聚类,分别得到两组聚类标志点集合<img file="DDA0000458183240000013.GIF" wi="428" he="72" />和<img file="DDA0000458183240000014.GIF" wi="408" he="72" />(3)把工作日和节假日的坐标数据作为两组观测量,采用Baum-Welch算法训练HMM模型,分别得到工作日出行规律模型和节假日出行规律模型;(4)利用出行规律模型,来检测出行行为异常。本发明精度较高、可靠性良好。
申请公布号 CN103793599A 申请公布日期 2014.05.14
申请号 CN201410021376.0 申请日期 2014.01.17
申请人 浙江远图智控系统有限公司 发明人 刘翔;吴俊宏;李仁旺;张标标;杨彦斌
分类号 G06F19/00(2011.01)I 主分类号 G06F19/00(2011.01)I
代理机构 杭州斯可睿专利事务所有限公司 33241 代理人 王利强
主权项 1.一种基于隐马尔科夫模型的出行异常检测方法,其特征在于:所述出行异常检测方法包括以下步骤:(1)利用北斗或GPS定位设备采集监测数据的数据,包括经度、纬度和日期,并用GPRS模块将这些数据发送到出行行为监测平台;(2)将坐标数据分为工作日数据<img file="FDA0000458183210000011.GIF" wi="428" he="80" />和节假日数据<img file="FDA0000458183210000012.GIF" wi="429" he="86" />采用k-medoids算法进行聚类,分别得到两组聚类标志点集合<maths num="0001"><![CDATA[<math><mrow><mo>{</mo><msubsup><mi>q</mi><mn>1</mn><mi>w</mi></msubsup><mo>,</mo><msubsup><mi>q</mi><mn>2</mn><mi>w</mi></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>q</mi><mi>k</mi><mi>w</mi></msubsup><mo>}</mo></mrow></math>]]></maths>和<maths num="0002"><![CDATA[<math><mrow><mo>{</mo><msubsup><mi>q</mi><mn>1</mn><mi>h</mi></msubsup><mo>,</mo><msubsup><mi>q</mi><mn>2</mn><mi>h</mi></msubsup><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msubsup><mi>q</mi><mi>k</mi><mi>h</mi></msubsup><mo>}</mo><mo>;</mo></mrow></math>]]></maths>(3)把工作日和节假日的坐标数据作为两组观测量,采用Baum-Welch算法训练HMM模型,分别得到工作日出行规律模型和节假日出行规律模型;(4)利用出行规律模型,来检测出行行为异常。
地址 310030 浙江省杭州市西湖区西园三路10号1幢4楼西边