-
公开(公告)号：CN110363115A
公开(公告)日：2019-10-22
申请号：CN201910574738.1
申请日：2019-06-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于AIS轨迹数据的船舶作业异常半监督实时检测方法。在港口或河流疏浚作业期间，有些作业船舶不按预期将淤泥运至指定倾倒区域，而是将其抛向作业区域附近，这意味着淤泥可能在短时间内返回港口或航道。本发明提出了一种基于自动识别系统(AIS)数据的疏浚作业异常半监督检测方法。首先，本发明建立了一个特征系统用来从AIS数据中提取行为特征。此外，还将T-分布随机邻域嵌入(T-SNE)通过神经网络与高斯混合模型(GMM)相结合，以半监督方式训练检测模型。通过训练模型，可以有效地实时检测疏浚作业过程中的异常行为。
-
公开(公告)号：CN108710637A
公开(公告)日：2018-10-26
申请号：CN201810321282.3
申请日：2018-04-11
Applicant: 上海交通大学
CPC classification number: H04W4/025 , G06Q50/265 , H04W4/40
Abstract: 本发明提供了一种基于时空关系的出租车异常轨迹实时检测方法，包括如下步骤：通过学习训练数据集中出发点到当前点的直线距离与行驶距离和驾驶时间之间的关系，并建立时空模型；通过时空模型计算出当前点到出发点直线距离所对应的行驶距离和驾驶时间的正常范围；判断出租车当前点的行驶距离和驾驶时间是否均超出了正常范围，如果是，则被判定为异常点。本发明通过学习轨迹中的时空关系来对轨迹进行检测，更为通用，所需要的轨迹也相对较少，这样产生的误报也相对较低；本发明在检测异常点时，只需要记录当前的模型的参数即可进行判断，因此相较于现有技术带来的时间和内存更低。
-
公开(公告)号：CN110363115B
公开(公告)日：2021-10-15
申请号：CN201910574738.1
申请日：2019-06-28
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于AIS轨迹数据的船舶作业异常半监督实时检测方法。在港口或河流疏浚作业期间，有些作业船舶不按预期将淤泥运至指定倾倒区域，而是将其抛向作业区域附近，这意味着淤泥可能在短时间内返回港口或航道。本发明提出了一种基于自动识别系统(AIS)数据的疏浚作业异常半监督检测方法。首先，本发明建立了一个特征系统用来从AIS数据中提取行为特征。此外，还将T‑分布随机邻域嵌入(T‑SNE)通过神经网络与高斯混合模型(GMM)相结合，以半监督方式训练检测模型。通过训练模型，可以有效地实时检测疏浚作业过程中的异常行为。
-
公开(公告)号：CN108710637B
公开(公告)日：2021-06-04
申请号：CN201810321282.3
申请日：2018-04-11
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于时空关系的出租车异常轨迹实时检测方法，包括如下步骤：通过学习训练数据集中出发点到当前点的直线距离与行驶距离和驾驶时间之间的关系，并建立时空模型；通过时空模型计算出当前点到出发点直线距离所对应的行驶距离和驾驶时间的正常范围；判断出租车当前点的行驶距离和驾驶时间是否均超出了正常范围，如果是，则被判定为异常点。本发明通过学习轨迹中的时空关系来对轨迹进行检测，更为通用，所需要的轨迹也相对较少，这样产生的误报也相对较低；本发明在检测异常点时，只需要记录当前的模型的参数即可进行判断，因此相较于现有技术带来的时间和内存更低。
-
-
-
Search Results
4
records
(took 0.02 seconds)
