其所在的目標(biāo)區(qū)域劃分為不相重合的目標(biāo)子區(qū)域，再將該軌 跡數(shù)據(jù)中的各個(gè)軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中，從而實(shí)現(xiàn)了對(duì)軌跡數(shù)據(jù)的細(xì)化處理。 之后，根據(jù)軌跡點(diǎn)在目標(biāo)子區(qū)域中的停留時(shí)間，計(jì)算得到表示出目標(biāo)子區(qū)域與軌跡點(diǎn)停留 時(shí)間的相互關(guān)系的直方圖特征描述子，從而進(jìn)一步突出了軌跡數(shù)據(jù)中各個(gè)軌跡點(diǎn)細(xì)化后的 特征。最后，利用大量的樣本軌跡數(shù)據(jù)比對(duì)出每個(gè)軌跡數(shù)據(jù)的異常度值，W便人們進(jìn)行分析 判斷?？蒞看出，通過本發(fā)明實(shí)施例提供的方案，能夠?qū)ΜF(xiàn)有的軌跡數(shù)據(jù)進(jìn)行精細(xì)化處理， 提高了比對(duì)數(shù)據(jù)的精度，能夠?qū)崿F(xiàn)較為精準(zhǔn)的異常軌跡檢測(cè)。
[012引進(jìn)一步地，可W根據(jù)上述方法計(jì)算得到的各個(gè)軌跡數(shù)據(jù)的異常度值得到異常軌跡 的可疑列表，然后對(duì)可疑列表中的軌跡數(shù)據(jù)進(jìn)一步由人工進(jìn)行判斷，通過觀察確定出最終 的可疑軌跡。可W看出，經(jīng)過本實(shí)施例的計(jì)算，可W為人工判斷提供便捷準(zhǔn)確的數(shù)據(jù)，極大 地提高了人工判斷的速度。
[0129] 本發(fā)明實(shí)施例提供的異常軌跡檢測(cè)裝置70,能夠應(yīng)用于上述優(yōu)選實(shí)施例中，執(zhí)行 該優(yōu)選實(shí)施例中的所有操作。如圖7所示，該裝置包括：
[0130] 軌跡數(shù)據(jù)計(jì)算模塊71，用于根據(jù)接收到的待測(cè)移動(dòng)終端上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)計(jì)算出待 測(cè)移動(dòng)終端的軌跡數(shù)據(jù)；其中，軌跡數(shù)據(jù)包含多個(gè)軌跡點(diǎn)。
[0131] 區(qū)域劃分模塊72,用于將軌跡數(shù)據(jù)所在的目標(biāo)區(qū)域劃分為不相重合的目標(biāo)子區(qū) 域。
[0132] 投射模塊73,用于將軌跡數(shù)據(jù)中的各個(gè)軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中。
[0133] 直方圖特征描述子計(jì)算模塊74,用于根據(jù)軌跡點(diǎn)在目標(biāo)子區(qū)域中的停留時(shí)間，計(jì) 算得到該軌跡數(shù)據(jù)的直方圖特征描述子；其中，該直方圖特征描述子表示出目標(biāo)子區(qū)域的 個(gè)數(shù)與每個(gè)目標(biāo)子區(qū)域中軌跡點(diǎn)停留時(shí)間的相互關(guān)系。
[0134] 異常度值計(jì)算模塊75,將各個(gè)軌跡數(shù)據(jù)的直方圖特征描述子，利用高斯混合模型， 計(jì)算出每個(gè)軌跡數(shù)據(jù)的異常度值；其中，高斯混合模型的參數(shù)由存儲(chǔ)的訓(xùn)練數(shù)據(jù)集估計(jì)得 出。
[0135] 本發(fā)明實(shí)施例提供的異常軌跡檢測(cè)裝置，針對(duì)由網(wǎng)絡(luò)數(shù)據(jù)計(jì)算出的準(zhǔn)確度較低的 軌跡數(shù)據(jù)，先將其所在的目標(biāo)區(qū)域劃分為不相重合的目標(biāo)子區(qū)域，再將該軌跡數(shù)據(jù)中的各 個(gè)軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中，從而實(shí)現(xiàn)了對(duì)軌跡數(shù)據(jù)的細(xì)化處理。之后，根據(jù)軌跡 點(diǎn)在目標(biāo)子區(qū)域中的停留時(shí)間，計(jì)算得到表示出目標(biāo)子區(qū)域與軌跡點(diǎn)停留時(shí)間的相互關(guān)系 的直方圖特征描述子，從而進(jìn)一步突出了軌跡數(shù)據(jù)中各個(gè)軌跡點(diǎn)細(xì)化后的特征。最后，利用 大量的樣本軌跡數(shù)據(jù)比對(duì)出每個(gè)軌跡數(shù)據(jù)的異常度值，W便人們進(jìn)行分析判斷?？蒞看出， 通過本發(fā)明實(shí)施例提供的方案，能夠?qū)ΜF(xiàn)有的軌跡數(shù)據(jù)進(jìn)行精細(xì)化處理，提高了比對(duì)數(shù)據(jù) 的精度，能夠?qū)崿F(xiàn)較為精準(zhǔn)的異常軌跡檢測(cè)。
[0136] 進(jìn)一步地，如圖8所示，上述優(yōu)選實(shí)施例中，投射模塊包括73可W包括：
[0137] 距離計(jì)算單元731，用于計(jì)算一軌跡點(diǎn)到各個(gè)目標(biāo)子區(qū)域中必點(diǎn)的距離。
[013引投射單元732,用于將軌跡點(diǎn)投射到距離最短的四個(gè)目標(biāo)子區(qū)域中。
[0139] 進(jìn)一步地，直方圖特征描述子計(jì)算模塊74可W包括：
[0140] 權(quán)重值計(jì)算單元741，用于計(jì)算相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值。
[0141] 虛擬軌跡點(diǎn)插入單元742,用于若權(quán)重值大于第一闊值，且小于第二闊值，則在相 鄰軌跡點(diǎn)的軌跡段上等距離插入至少一個(gè)虛擬軌跡點(diǎn)，W使該相鄰軌跡點(diǎn)的停留時(shí)間差值 的權(quán)重值小于或等于所述第一闊值。
[0142] 此時(shí)，投射模塊73會(huì)將虛擬軌跡點(diǎn)插入單元742插入的虛擬軌跡點(diǎn)投射到對(duì)應(yīng)的 目標(biāo)子區(qū)域中。
[0143] 直方圖特征描述子計(jì)算單元743,用于根據(jù)軌跡數(shù)據(jù)上的軌跡點(diǎn)和虛擬軌跡點(diǎn)，計(jì) 算得到直方圖特征描述子。
[0144] 此外，進(jìn)一步地，權(quán)重值計(jì)算單元741，具體可W用于根據(jù)公式：
計(jì)算相 鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值；其中，q表示相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值， At表示相鄰軌跡點(diǎn)間的時(shí)間差，n表示在相鄰軌跡點(diǎn)的軌跡段上插入的虛擬軌跡點(diǎn)的個(gè) 數(shù)。
[0145] 進(jìn)一步地，直方圖特征描述子計(jì)算單元743可W包括：
[0146] 直方圖計(jì)算子單元7431，根據(jù)軌跡數(shù)據(jù)上的軌跡點(diǎn)和虛擬軌跡點(diǎn)，計(jì)算得到直方 圖特征描述子。
[0147] 歸一化子單元7432,用于對(duì)直方圖特征描述子進(jìn)行歸一化處理，得到歸一化后的 直方圖特征描述子。
[0148] 進(jìn)一步地，異常度值計(jì)算模塊75可W包括：
[0149] 樣本直方圖計(jì)算單元751，用于計(jì)算存儲(chǔ)的訓(xùn)練數(shù)據(jù)集中的樣本軌跡數(shù)據(jù)的直方 圖特征描述子。
[0150] 高斯混合模型的參數(shù)估計(jì)單元752,用于將樣本軌跡數(shù)據(jù)的直方圖特征描述子代 入到混合高斯模型中，得到混合高斯模型的參數(shù)的估計(jì)值。
[0151] 異常度值計(jì)算單元753,用于將各個(gè)軌跡數(shù)據(jù)的直方圖特征描述子，利用高斯混合 模型，計(jì)算出每個(gè)軌跡數(shù)據(jù)的異常度值。
[0152] 進(jìn)一步地，該異常軌跡檢測(cè)裝置70還可W包括一數(shù)據(jù)庫模塊76,用來存儲(chǔ)樣本軌 跡數(shù)據(jù)。
[0153] 本發(fā)明另一實(shí)施例提供一種異常軌跡的檢測(cè)裝置，如圖9所示，該異常軌跡檢測(cè) 裝置包括至少一個(gè)處理器901 (例如CPU)，存儲(chǔ)器903,和至少一個(gè)通信總線904,用于實(shí)現(xiàn) 內(nèi)部的連接通信。處理器901用于執(zhí)行存儲(chǔ)器903中存儲(chǔ)的可執(zhí)行模塊，例如計(jì)算機(jī)程序。 存儲(chǔ)器903可能包含高速隨機(jī)存取存儲(chǔ)器（RAM=RandomAccessMemo巧），也可能還包括非 不穩(wěn)定的存儲(chǔ)器（non-volatilememcxry)，例如至少一個(gè)磁盤存儲(chǔ)器。
[0154] 在一些實(shí)施方式中，存儲(chǔ)器903存儲(chǔ)了程序905,程序905可W被處理器901執(zhí)行， 送個(gè)程序包括執(zhí)行一種基于移動(dòng)無線網(wǎng)絡(luò)數(shù)據(jù)的異常軌跡檢測(cè)方法，該方法包括：
[0155] 根據(jù)接收到的待測(cè)移動(dòng)終端上報(bào)的網(wǎng)絡(luò)數(shù)據(jù)計(jì)算出待測(cè)移動(dòng)終端的軌跡數(shù)據(jù)；其 中，軌跡數(shù)據(jù)包含多個(gè)軌跡點(diǎn)。
[0156] 將軌跡數(shù)據(jù)所在的目標(biāo)區(qū)域劃分為不相重合的目標(biāo)子區(qū)域。
[0157] 將軌跡數(shù)據(jù)中的各個(gè)軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中。
[0158] 根據(jù)軌跡點(diǎn)在目標(biāo)子區(qū)域中的停留時(shí)間，計(jì)算得到軌跡數(shù)據(jù)的直方圖特征描述 子；其中，直方圖特征描述子表示出目標(biāo)子區(qū)域的個(gè)數(shù)與每個(gè)目標(biāo)子區(qū)域中軌跡點(diǎn)停留時(shí) 間的相互關(guān)系。
[0159] 將各個(gè)軌跡數(shù)據(jù)的直方圖特征描述子，利用高斯混合模型，計(jì)算出每個(gè)軌跡數(shù)據(jù) 的異常度值；其中，該高斯混合模型的參數(shù)由存儲(chǔ)的訓(xùn)練數(shù)據(jù)集中的樣本軌跡數(shù)據(jù)估計(jì)得 出。
[0160] 上述執(zhí)行基于移動(dòng)無線網(wǎng)絡(luò)數(shù)據(jù)的異常軌跡檢測(cè)方法的程序，優(yōu)選的，所述將軌 跡數(shù)據(jù)中的各個(gè)軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中包括：
[0161] 計(jì)算一軌跡點(diǎn)到各個(gè)目標(biāo)子區(qū)域中必點(diǎn)的距離。
[0162] 將軌跡點(diǎn)投射到距離最短的四個(gè)目標(biāo)子區(qū)域中。
[0163] 上述執(zhí)行基于移動(dòng)無線網(wǎng)絡(luò)數(shù)據(jù)的異常軌跡檢測(cè)方法的程序，優(yōu)選的，所述根據(jù) 軌跡點(diǎn)在目標(biāo)子區(qū)域中的停留時(shí)間，計(jì)算得到軌跡數(shù)據(jù)的直方圖特征描述子包括：
[0164] 計(jì)算相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值。
[0165] 若權(quán)重值大于第一闊值，且小于第二闊值，則在相鄰軌跡點(diǎn)的軌跡段上等距離插 入至少一個(gè)虛擬軌跡點(diǎn)，W使相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值小于或等于所述第一闊 值。
[0166] 將虛擬軌跡點(diǎn)投射到對(duì)應(yīng)的目標(biāo)子區(qū)域中；
[0167] 根據(jù)軌跡數(shù)據(jù)上的軌跡點(diǎn)和虛擬軌跡點(diǎn)，計(jì)算得到直方圖特征描述子。
[0168] 上述執(zhí)行基于移動(dòng)無線網(wǎng)絡(luò)數(shù)據(jù)的異常軌跡檢測(cè)方法的程序，優(yōu)選的，計(jì)算相鄰 軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值，具體包括：
[0169] 根據(jù)公式：計(jì)算相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值。
[0170] 其中，q表示相鄰軌跡點(diǎn)的停留時(shí)間差值的權(quán)重值，At表示相鄰軌跡點(diǎn)間的時(shí)間 差，n表示在相鄰軌跡點(diǎn)的軌跡段上插入的虛擬軌跡點(diǎn)的個(gè)數(shù)。
[0171] 上述執(zhí)行基于移動(dòng)無線網(wǎng)絡(luò)數(shù)據(jù)的異常軌跡檢測(cè)方法的程序，優(yōu)選的，所述根據(jù) 軌跡數(shù)據(jù)上的軌跡點(diǎn)和虛