針對軌跡數據的運動規律和特征，結合空間劃分的方法，提出本文的基于網絡索引的異常軌跡檢測方法。
實驗結果表明，該算法可提高異常軌跡挖掘效率，且更有現實意義。
該算法不足：對參數比較敏感，目前（2014）只適用于靜態歷史軌跡數據庫。

異常軌跡檢測完整算法：
輸入軌跡數據集，參數，閾值，鄰域
首先對軌跡數據庫做基于距離的線性插值；
接著構建網絡索引樹，在檢測出異常軌跡點后，根據定義計算軌跡異常度，
最后輸出異常軌跡。
以下是詳解：

1. 構建網絡索引樹算法：
創建根節點，對輸入數據集的每一個數據點計算所在單元，
將數據點插入樹中，
返回網絡索引樹。
2. 軌跡樹的范圍查詢
先獲得當前維序列號，如果它加上范圍值加1大于當前節點關鍵字個數，就把關鍵字個數減少1賦值給開始位置，否則把當前維序列號加上范圍賦值給開始位置。
然后再從開始位置依次循環遍歷查詢：
如果當前維序列號減去范圍值大于當前關鍵字值，就返回；
否則，判斷當前維序列號加上范圍值是否小于當前關鍵字值，如果是，就執行下一次循環。
如果當前層不是葉節點，就執行遞歸范圍查詢
否則，加入結果集合。
最后返回結果集合。
3.計算軌跡異常度
首先計算經過每個單元的軌跡數目，如果大于閾值，則將其標記為紅色，表明該單元中的軌跡點正常，否則標記為白色，表明軌跡點異常。
然后針對白色單元的每個異常軌跡點，根據下面的條件判斷是否異常。
判斷是否異常的條件：
1.局部異常軌跡點的判斷：給定軌跡數據集，如果軌跡點集合中的某一點不被包含在任何一個核心軌跡點的鄰域內，則稱該點為局部異常軌跡點。
2.異常軌跡點檢測算法
輸入網絡索引樹，軌跡點集合，閾值 ，鄰域限定
首先， 依次判斷網絡索引樹的每一個葉節點是否大于閾值，如果是，則將其歸為紅色單元，
接著，對網絡索引樹中的每個白色節點中的每一個軌跡點，利用已知條件對網絡索引樹的范圍查詢，
然后，對結果集中的每一個對象，判斷其與白色節點中的軌跡點的距離，
如果小于鄰域值，就將其添加到鄰域集合；
如果該對象鄰域集合為空，判斷其鄰域基數是否小于閾值，如果是將其添加到異常軌跡點集合中，最后返回該異常軌跡點集合。

參考文獻：
【1】陳剛,錢猛,劉金. 基于劃分的高效異常軌跡檢測[J]. 計算機工程與應用, 2014, 50(24): 127-132, 172.

總結

以上是生活随笔為你收集整理的基于网络索引树的异常轨迹检测算法的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。