%0 Journal Article
%T 基于聚类的兴趣区域间异常轨迹并行检测算法
%A 许 振
%A 吉根林
%A 唐梦梦
%J -
%D 2019
%R 10.3969/j.issn.1001-4616.2019.01.010
%X 轨迹异常检测能够用来分析移动对象的异常运动行为,在交通运输、医疗监护等领域都有广泛应用. 兴趣区域是移动对象集中活动的区域. 本文提出了一种新的兴趣区域间异常轨迹检测算法(Detecting Anomalous Trajectories Between Interest Regions,DATIR). 不同于已有的从局部采样点进行检测的算法,DATIR算法综合考虑了轨迹的局部特征和全局特征,利用聚类方法检测兴趣区域间的异常轨迹,并能挖掘出兴趣区域间的正常路径. 为了提高海量轨迹数据的异常检测效率,在DATIR算法的基础上,提出了一种并行检测算法(Parallel Algorithm for Detecting Anomalous Trajectories Between Interest Regions,PDATIR). 实验结果表明,DATIR算法能够有效地检测兴趣区域间的异常轨迹,并且能够检测出兴趣区域间的正常轨迹; PDATIR算法在大数据集上表现出了明显的性能优势,具有较好的可扩展性和较高的加速比
%K 异常轨迹检测
%K 兴趣区域
%K 聚类
%K MapReduce
%U http://njsfdxzrb.paperonce.org/oa/darticle.aspx?type=view&id=201901010