面向智慧機場的移動對象軌跡分析研究

《面向智慧機場的移動對象軌跡分析研究》是依託南京航空航天大學，由皮德常擔任項目負責人的聯合基金項目。

基本介紹

• 中文名：面向智慧機場的移動對象軌跡分析研究
• 項目類別：聯合基金項目
• 項目負責人：皮德常
• 依託單位：南京航空航天大學

項目摘要

智慧機場是機場信息化發展的必然趨勢。機場旅客、車輛等移動對象有效的分析方法是成功構建智慧機場的關鍵因素之一。本項目針對智慧機場擬探索其移動對象軌跡聚類、異常檢測和周期模式發現等分析方法。針對軌跡聚類階段空間索引不能套用於線段的鄰域查詢，導致算法效率低下，提出用代表線段近似表示聚類區域的幾何特徵，通過對代表線段的分類來實現對線段的聚類。為降低軌跡聚類結果對輸入參數的敏感性，提出範圍參數的思路，參數不再依賴某個值，而是取決於一個範圍，解決聚類結果對某個具體參數值的依賴。針對聚類有效性度量存在的一致性問題，提出一種基於非歐距離度量的、緊緻度和分離度二者相互制約的綜合性度量指標。針對軌跡異常檢測中，不能從局部的、稠密的軌跡中檢測出異常子軌跡的缺陷，探索一種粗細兩階段軌跡異常檢測方案。為降低噪音的影響，引入了模式相似度，提出一種健壯的移動對象周期模式挖掘方法。研究成果可為智慧機場建設提供理論基礎。

結題摘要

本項目側重於對機場移動對象感知數據的分析，挖掘移動對象的規律，揭示移動對象的行為動機，提升機場的安全防範。針對智慧機場，研究了移動對象軌跡聚類、軌跡異常檢測和軌跡周期模式發現等方法，提出了一系列理論和分析技術。 本項目解決了移動對象軌跡聚類、異常軌跡檢測和軌跡模式挖掘的理論和算法問題。在移動對象軌跡聚類方面，提出了一種高效的移動對象軌跡聚類算法。該算法首先根據軌跡劃分的線段集合，尋找可以反映軌跡數據幾何特徵的代表線段；建立代表線段與其代表區域內線段的映射，對代表線段進行分類，這樣每一類代表線段構成了一個聚類的基本信息，然後根據軌跡勢閾值條件實現線段聚類，實驗結果表明該算法均優於目前同類算法。大多數聚類算法在聚類過程中要求輸入一些預定參數，而聚類結果往往對這些參數非常敏感，參數選擇不當，將會造成聚類質量的下降，然而參數的確定往往依靠經驗。我們提出了子軌跡在其鄰域內的可達距離概念，建立了一個寬廣的參數範圍，參數不再依賴某個值，只要這個參數在該範圍內取值，對聚類結果就沒有影響或影響甚微，從而達到聚類結果對輸入參數弱敏感性的目的。對軌跡聚類效果評價方面，提出了一種緊緻度和分離度相互結合的有效性指標，二通過相互制約達到平衡。在軌跡異常檢測方面，首先將每條軌跡劃分為粗粒度線段集合，選出可能存在異常的子軌跡線段，然後再將可疑粗粒度軌跡按細粒度劃分並檢測，這種分而治之的“粗-細兩階段”策略通過縮小檢測範圍，提高了算法效率。通過軌跡模式相似度模式匹配，實現了頻繁周期模式挖掘。 本項目的研究成果有助於深入分析移動對象的特徵，為機場候機廳行人軌跡分析、異常行人軌跡特徵刻畫等均提供了重要的技術支撐，為智慧機場建設提供了重要的理論基礎。