Nothing Special   »   [go: up one dir, main page]

CN108900975A - 用户移动轨迹的检测方法和装置、设备、存储介质 - Google Patents

用户移动轨迹的检测方法和装置、设备、存储介质 Download PDF

Info

Publication number
CN108900975A
CN108900975A CN201810568096.XA CN201810568096A CN108900975A CN 108900975 A CN108900975 A CN 108900975A CN 201810568096 A CN201810568096 A CN 201810568096A CN 108900975 A CN108900975 A CN 108900975A
Authority
CN
China
Prior art keywords
track
probability
target user
user
trajectory
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810568096.XA
Other languages
English (en)
Inventor
杜翠凤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Jay Communications Planning And Design Institute Co Ltd
GCI Science and Technology Co Ltd
Original Assignee
Guangzhou Jay Communications Planning And Design Institute Co Ltd
GCI Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangzhou Jay Communications Planning And Design Institute Co Ltd, GCI Science and Technology Co Ltd filed Critical Guangzhou Jay Communications Planning And Design Institute Co Ltd
Priority to CN201810568096.XA priority Critical patent/CN108900975A/zh
Publication of CN108900975A publication Critical patent/CN108900975A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/025—Services making use of location information using location based information parameters

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种用户移动轨迹的检测方法和装置、设备、存储介质。所述用户移动轨迹的检测方法包括：获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。采用本发明，能够提高对用户移动轨迹检测的准确度。

Description

用户移动轨迹的检测方法和装置、设备、存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种用户移动轨迹的检测方法和装置、设备、存储介质。
背景技术
在日常生活中，用户的出行轨迹反映了用户的出行规律，因此，可以通过对用户的出行轨迹进行检测，从而判断该用户的出行行为为是否正常。例如，父母可以通过对孩子的出行轨迹进行监控，从而判断孩子的本次出行是否安全。
在现有技术中，通常都是在对用户的若干出行轨迹进行学习，训练出用户的惯常出行轨迹后，通过计算该惯常出行轨迹和用户的当前出行轨迹的相似度，从而判断该当前出行轨迹是否正常的。若用户的惯常出行轨迹和当前出行轨迹相似度高，则说明该当前出行轨迹正常，否则，则认为该当前出行轨迹异常。由此可见，现有的判断用户的出行轨迹是否正常的方法由于判断标准单一，没有考虑到用户的出行习惯对出行轨迹的影响，因此判断的准确度不高，难以满足实际应用的需求。
发明内容
本发明实施例提出一种用户移动轨迹的检测方法和装置、设备、存储介质，能够提高对用户移动轨迹检测的准确度。
本发明实施例提供的一种用户移动轨迹的检测方法，具体包括：
获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；
根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；
根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；
根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
进一步地，所述目标用户移动轨迹中的轨迹点的总个数为n；则所述目标用户移动轨迹中的第i个轨迹点的第一发生概率为在所述目标用户移动轨迹中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；其中，1≤i≤n。
进一步地，在所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率之前，还包括：
获取至少一个用户历史移动轨迹，并根据每个所述用户历史移动轨迹构建概率后缀树；
则所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率，具体包括：
根据所述概率后缀树，获得每个所述轨迹点的第一发生概率；
根据每个所述第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率。
进一步地，所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率，具体包括：
根据预设的第一轨迹概率计算模型
和每个所述第一发生概率Ps(si|s1,s2,…,si-1)，计算获得所述目标用户移动轨迹m的第一轨迹概率Ps(m)；其中，所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率Ps(si|s1,s2,…,si-1)表示在所述目标用户移动轨迹m中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；1≤i≤n。
进一步地，在所述根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率之前，还包括：
获取至少一个用户历史移动轨迹；其中，每个所述用户历史移动轨迹中包含至少一个历史轨迹点；
对每个所述历史轨迹点进行统计，获得所述目标用户移动轨迹中的每个轨迹点的第二发生概率。
进一步地，所述根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率，具体包括：
根据预设的第二轨迹概率计算模型和每个所述第二发生概率Pr(si)，计算获得所述目标用户移动轨迹m的第二轨迹概率Pr(m)；其中，1≤i≤n。
进一步地，所述根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常，具体包括：
根据预设的轨迹相似度计算模型所述第一轨迹概率Ps(m)和所述第二轨迹概率Pr(m)，计算获得轨迹相似度sims(m)；其中，
Ps(si|s1,s2,…,si-1)表示所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率；
Pr(si)表示所述目标用户移动轨迹m中的第i个轨迹点的第二发生概率；
根据所述轨迹相似度sims(m)和预设的相似度阈值，判断所述目标用户移动轨迹的状态是否异常。
相应地，本发明实施例还提供了一种用户移动轨迹的检测装置，具体包括：
用户移动轨迹获得模块，用于获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；
第一轨迹概率获得模块，用于根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；
第二轨迹概率获得模块，用于根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；以及，
用户移动轨迹检测模块，用于根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
本发明实施例还提供了一种设备，具体包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的用户移动轨迹的检测方法。
本发明实施例还提供了一种计算机可读存储介质，具体包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上所述的用户移动轨迹的检测方法。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的用户移动轨迹的检测方法和装置、设备、存储介质，通过根据用户移动轨迹中的每个轨迹点的条件概率和无条件概率，获得该目标用户移动轨迹的轨迹概率，并根据该轨迹概率判断该用户移动轨迹是否异常，在对用户移动轨迹的状态进行检测的过程中充分考虑到的用户的出行习惯对移动轨迹的影响，从而能够提高对用户移动轨迹检测的准确度。
附图说明
图1是本发明提供的用户移动轨迹的检测方法的一个优选的实施例的流程示意图；
图2是本发明提供的用户移动轨迹的检测方法中的一个概率后缀树的一个子树的示意图；
图3是本发明提供的用户移动轨迹的检测装置的一个优选的实施例的结构示意图；
图4是本发明提供的设备的一个优选的实施例的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，为本发明提供的用户移动轨迹的检测方法的一个优选的实施例的流程示意图，包括步骤S11至S14，具体如下：
S11：获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点。
需要说明的是，本发明实施例由系统执行。其中，该系统可以为服务器中的系统，也可以为任意设备中的系统，在此不作限定。
在本实施例中，上述目标用户移动轨迹通过对目标用户的通信数据进行解析获得。具体地，电信运营商在实际运营过程中，会在各处布置若干基站，当目标用户在某一基站附近通过打电话、发短信或者网络通讯等方式与其他用户进行通信时，则上述系统会生成相应的包含该基站信息的通信记录。当上述系统在预设的一段时间内对目标用户的通信进行持续监控时，则可获得一个由一系列基站信息和对应的时间信息组成的时间序列Tri＝{(L1,t1),(L2,t2),...,(Li,ti),...,(Ln,tn)}，其中，(Li,ti)表示目标用户在时间ti时出现在基站Li附近。在本实施例中，将上述时间序列作为目标用户的目标用户移动轨迹，其中，该目标用户移动轨迹中的每个轨迹点即为上述时间序列中的每个(Li,ti)。
S12：根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率。
进一步地，所述目标用户移动轨迹中的轨迹点的总个数为n；则所述目标用户移动轨迹中的第i个轨迹点的第一发生概率为在所述目标用户移动轨迹中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；其中，1≤i≤n。
S13：根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率。
S14：根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
在另一个优选的实施例中，在上述步骤S12之前，还包括步骤S021，具体如下：
S021：获取至少一个用户历史移动轨迹，并根据每个所述用户历史移动轨迹构建概率后缀树。
需要说明的是，在本实施例中，上述概率后缀树即为PST(Probabilistic SuffixTree)。概率后缀树实际上是一棵对对节点进行有序排列的n叉树，作为根节点Root给出了每一个字符或者符号的无条件概率，后面的每一节点给出了前面出现的一个或者多个字符或者符号的条件概率向量。深度为L的概率后缀树一共有L阶，叶节点保存了L个字符、符号的记录以及对应的条件概率向量。
具体地，概率后缀树的构建过程主要包括两个步骤：
步骤一：根节点的初始化以及计算每一个字符、符号的无条件概率。设置子节点的阈值，如果字符、符号的无条件概率大于所设置的入树概率阈值，则把对应的字符、符号作为候选的子节点；
步骤二：递归扩充每一个候选节点：
1)计算每一个候选节点的所有可能出现后续字符串的条件概率向量；
2)设候选节点的字符串为s，如果该字符串的后续字符串σ条件概率大于设定的候选节点阈值，那么候选节点的字符串为s添加到树中；
3)如果该节点的深度小于概率后缀树设定的深度阈值，如果候选节点的字符串为s，后续字符串为σ，如果sσ的相对概率大于入树概率阈值，那么标记sσ节点作为该节点的候选节点。
则上述步骤S12进一步包括步骤S1201至S1202，具体如下：
S1201：根据所述概率后缀树，获得每个所述轨迹点的第一发生概率。
需要说明的是，通过查询上述概率后缀树，即可获得每个轨迹点对应的第一发生概率。如图2所示，为上述概率后缀树中的一个子树的示意图。从图2可知，当轨迹点10536的前两个轨迹点分别为10032和12321时，该轨迹点10536的第一发生概率为0.25。
需要进一步说明的是，在一些具体的实施例中，在从上述概率后缀树中读取获得每个轨迹点的第一发生概率之后，将上述用户移动轨迹作为新的用户历史移动轨迹，并利用该新的用户历史移动轨迹对上述概率后缀树进行进一步的训练学习，从而对该概率后缀树进行更新。
S1202：根据每个所述第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率。
更优选地，上述步骤S12还进一步包括步骤S1203，具体如下：
S1203：根据预设的第一轨迹概率计算模型
和每个所述第一发生概率Ps(si|s1,s2,…,si-1)，计算获得所述目标用户移动轨迹m的第一轨迹概率Ps(m)；其中，所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率Ps(si|s1,s2,…,si-1)表示在所述目标用户移动轨迹m中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；1≤i≤n。
在又一个优选的实施例中，在上述步骤S13之前，还包括步骤S031至S032，具体如下：
S031：获取至少一个用户历史移动轨迹；其中，每个所述用户历史移动轨迹中包含至少一个历史轨迹点。
S032：对每个所述历史轨迹点进行统计，获得所述目标用户移动轨迹中的每个轨迹点的第二发生概率。
需要说明的是，在本实施例中，通过计算每个历史轨迹点在所有用户历史移动轨迹中出现的概率，即可获得每个轨迹点的第一发生概率。例如，在所有的用户历史移动轨迹中，基站A对应的历史轨迹点出现的概率为0.7，则上述目标用户移动轨迹中的与该基站A对应的轨迹点的第二发生概率即为0.7。
更优选地，上述步骤S13进一步包括步骤S1301，具体如下：
S1301：根据预设的第二轨迹概率计算模型和每个所述第二发生概率Pr(si)，计算获得所述目标用户移动轨迹m的第二轨迹概率Pr(m)；其中，1≤i≤n。
在又一个优选的实施例中，上述步骤S14进一步包括步骤S1401至S1402，具体如下：
S1401：根据预设的轨迹相似度计算模型所述第一轨迹概率Ps(m)和所述第二轨迹概率Pr(m)，计算获得轨迹相似度sims(m)；其中，
Ps(si|s1,s2,…,si-1)表示所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率；
Pr(si)表示所述目标用户移动轨迹m中的第i个轨迹点的第二发生概率。
S1402：根据所述轨迹相似度sims(m)和预设的相似度阈值，判断所述目标用户移动轨迹的状态是否异常。
需要说明的是，在本实施例中，第一轨迹概率Ps(m)表示目标用户移动轨迹发生的条件概率，第二轨迹概率Pr(m)表示目标用户移动轨迹随机发生的独立概率。轨迹相似度sims(m)大于1时，表示上述目标用户移动轨迹发生的可能性很大，轨迹相似度sims(m)小于1时，表示上述目标用户移动轨迹发生的可能性很小，在本实施例中，将上述相似度阈值设置为1，若上述轨迹相似度sims(m)小于1，则将上述目标用户移动轨迹的状态视为异常，否则，则将上述目标用户移动轨迹的状态视为正常。
需要进一步说明的是，上述步骤标号仅用于表示不同步骤，而不对不同步骤间的执行顺序进行限定。
本发明实施例提供的用户移动轨迹的检测方法，通过根据用户移动轨迹中的每个轨迹点的条件概率和无条件概率，获得该目标用户移动轨迹的轨迹概率，并根据该轨迹概率判断该用户移动轨迹是否异常，在对用户移动轨迹的状态进行检测的过程中充分考虑到的用户的出行习惯对移动轨迹的影响，从而能够提高对用户移动轨迹检测的准确度。
相应地，本发明还提供一种用户移动轨迹的检测装置，能够实现上述实施例中的用户移动轨迹的检测方法的所有流程。
如图3所示，为本发明提供的用户移动轨迹的检测装置的一个优选的实施例的结构示意图，具体包括：
用户移动轨迹获得模块31，用于获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；
第一轨迹概率获得模块32，用于根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；
第二轨迹概率获得模块33，用于根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；以及，
用户移动轨迹检测模块34，用于根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
进一步地，所述目标用户移动轨迹中的轨迹点的总个数为n；则所述目标用户移动轨迹中的第i个轨迹点的第一发生概率为在所述目标用户移动轨迹中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；其中，1≤i≤n。
进一步地，所述用户移动轨迹的检测装置，还包括：
概率后缀树构建模块，用于获取至少一个用户历史移动轨迹，并根据每个所述用户历史移动轨迹构建概率后缀树；
则所述第一轨迹概率获得模块，具体包括：
轨迹点概率获得单元，用于根据所述概率后缀树，获得每个所述轨迹点的第一发生概率；以及，
轨迹概率获得单元，用于根据每个所述第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率。
进一步地，所述第一轨迹概率获得模块，具体包括：
第一轨迹概率计算单元，用于根据预设的第一轨迹概率计算模型
和每个所述第一发生概率Ps(si|s1,s2,…,si-1)，计算获得所述目标用户移动轨迹m的第一轨迹概率Ps(m)；其中，所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率Ps(si|s1,s2,…,si-1)表示在所述目标用户移动轨迹m中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；1≤i≤n。
进一步地，所述用户移动轨迹的检测装置，还包括：
历史移动轨迹获取模块，用于获取至少一个用户历史移动轨迹；其中，每个所述用户历史移动轨迹中包含至少一个历史轨迹点；以及，
轨迹点概率获得模块，用于对每个所述历史轨迹点进行统计，获得所述目标用户移动轨迹中的每个轨迹点的第二发生概率。
进一步地，所述第二轨迹概率获得模块，具体包括：
第二轨迹概率计算单元，用于根据预设的第二轨迹概率计算模型和每个所述第二发生概率Pr(si)，计算获得所述目标用户移动轨迹m的第二轨迹概率Pr(m)；其中，1≤i≤n。
进一步地，所述用户移动轨迹检测模块，具体包括：
轨迹相似度计算单元，用于根据预设的轨迹相似度计算模型所述第一轨迹概率Ps(m)和所述第二轨迹概率Pr(m)，计算获得轨迹相似度sims(m)；其中，Ps(si|s1,s2,…,si-1)表示所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率；Pr(si)表示所述目标用户移动轨迹m中的第i个轨迹点的第二发生概率；以及，
移动轨迹检测单元，用于根据所述轨迹相似度sims(m)和预设的相似度阈值，判断所述目标用户移动轨迹的状态是否异常。
本发明实施例提供的用户移动轨迹的检测装置，通过根据用户移动轨迹中的每个轨迹点的条件概率和无条件概率，获得该目标用户移动轨迹的轨迹概率，并根据该轨迹概率判断该用户移动轨迹是否异常，在对用户移动轨迹的状态进行检测的过程中充分考虑到的用户的出行习惯对移动轨迹的影响，从而能够提高对用户移动轨迹检测的准确度。
本发明还提供了一种设备。
如图4所示，为本发明提供的设备的一个优选的实施例的结构示意图，包括处理器41、存储器42以及存储在所述存储器42中且被配置为由所述处理器41执行的计算机程序，所述处理器41执行所述计算机程序时实现如上任一实施例所述的用户移动轨迹的检测方法。
需要说明的是，图4仅以该设备中的一个存储器和一个处理器相连接为例进行示意，在一些具体的实施例中，该设备中还可以包括多个存储器和/或多个处理器，其具体的数目及连接方式可根据实际情况需要进行设置和适应性调整。
本发明实施例提供的设备，通过根据用户移动轨迹中的每个轨迹点的条件概率和无条件概率，获得该目标用户移动轨迹的轨迹概率，并根据该轨迹概率判断该用户移动轨迹是否异常，在对用户移动轨迹的状态进行检测的过程中充分考虑到的用户的出行习惯对移动轨迹的影响，从而能够提高对用户移动轨迹检测的准确度。
本发明还提供了一种计算机可读存储介质，具体包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的用户移动轨迹的检测方法。
需要说明的是，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要进一步说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明实施例提供的计算机可读存储介质，通过根据用户移动轨迹中的每个轨迹点的条件概率和无条件概率，获得该目标用户移动轨迹的轨迹概率，并根据该轨迹概率判断该用户移动轨迹是否异常，在对用户移动轨迹的状态进行检测的过程中充分考虑到的用户的出行习惯对移动轨迹的影响，从而能够提高对用户移动轨迹检测的准确度。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种用户移动轨迹的检测方法，其特征在于，包括：
获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；
根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；
根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；
根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
2.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，所述目标用户移动轨迹中的轨迹点的总个数为n；则所述目标用户移动轨迹中的第i个轨迹点的第一发生概率为在所述目标用户移动轨迹中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；其中，1≤i≤n。
3.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，在所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率之前，还包括：
获取至少一个用户历史移动轨迹，并根据每个所述用户历史移动轨迹构建概率后缀树；
则所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率，具体包括：
根据所述概率后缀树，获得每个所述轨迹点的第一发生概率；
根据每个所述第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率。
4.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，所述根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率，具体包括：
根据预设的第一轨迹概率计算模型
和每个所述第一发生概率Ps(si|s1,s2,…,si-1)，计算获得所述目标用户移动轨迹m的第一轨迹概率Ps(m)；其中，所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率Ps(si|s1,s2,…,si-1)表示在所述目标用户移动轨迹m中前i-1个轨迹点发生的情况下所述第i个轨迹点发生的概率；1≤i≤n。
5.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，在所述根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率之前，还包括：
获取至少一个用户历史移动轨迹；其中，每个所述用户历史移动轨迹中包含至少一个历史轨迹点；
对每个所述历史轨迹点进行统计，获得所述目标用户移动轨迹中的每个轨迹点的第二发生概率。
6.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，所述根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率，具体包括：
根据预设的第二轨迹概率计算模型和每个所述第二发生概率Pr(si)，计算获得所述目标用户移动轨迹m的第二轨迹概率Pr(m)；其中，1≤i≤n。
7.如权利要求1所述的用户移动轨迹的检测方法，其特征在于，所述根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常，具体包括：
根据预设的轨迹相似度计算模型所述第一轨迹概率Ps(m)和所述第二轨迹概率Pr(m)，计算获得轨迹相似度sims(m)；其中，
表示所述目标用户移动轨迹m中的第i个轨迹点的第一发生概率；
Pr(si)表示所述目标用户移动轨迹m中的第i个轨迹点的第二发生概率；
根据所述轨迹相似度sims(m)和预设的相似度阈值，判断所述目标用户移动轨迹的状态是否异常。
8.一种用户移动轨迹的检测装置，其特征在于，包括：
用户移动轨迹获得模块，用于获得目标用户移动轨迹；其中，所述目标用户移动轨迹中包含至少一个轨迹点；
第一轨迹概率获得模块，用于根据每个所述轨迹点的第一发生概率，获得所述目标用户移动轨迹的第一轨迹概率；其中，所述第一发生概率为条件概率；
第二轨迹概率获得模块，用于根据每个所述轨迹点的第二发生概率，获得所述目标用户移动轨迹的第二轨迹概率；其中，所述第二发生概率为无条件概率；以及，
用户移动轨迹检测模块，用于根据所述第一轨迹概率和所述第二轨迹概率，判断所述目标用户移动轨迹的状态是否异常。
9.一种设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的用户移动轨迹的检测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任一项所述的用户移动轨迹的检测方法。
CN201810568096.XA 2018-06-05 2018-06-05 用户移动轨迹的检测方法和装置、设备、存储介质 Pending CN108900975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810568096.XA CN108900975A (zh) 2018-06-05 2018-06-05 用户移动轨迹的检测方法和装置、设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810568096.XA CN108900975A (zh) 2018-06-05 2018-06-05 用户移动轨迹的检测方法和装置、设备、存储介质

Publications (1)

Publication Number Publication Date
CN108900975A true CN108900975A (zh) 2018-11-27

Family

ID=64344375

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810568096.XA Pending CN108900975A (zh) 2018-06-05 2018-06-05 用户移动轨迹的检测方法和装置、设备、存储介质

Country Status (1)

Country Link
CN (1) CN108900975A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110727757A (zh) * 2019-10-22 2020-01-24 北京卡路里信息技术有限公司 轨迹数据的处理方法及装置、电子设备
CN110751164A (zh) * 2019-03-01 2020-02-04 西安电子科技大学 一种基于位置服务的老人出行异常检测方法
CN111882873A (zh) * 2020-07-22 2020-11-03 平安国际智慧城市科技股份有限公司 轨迹异常检测方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040130620A1 (en) * 2002-11-12 2004-07-08 Buehler Christopher J. Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view
US20100023460A1 (en) * 2006-06-14 2010-01-28 Hughes-Fefferman Systems, Llc Methods and apparatus for iterative conditional probability calculation methods for financial instruments with path-dependent payment structures
CN103235933A (zh) * 2013-04-15 2013-08-07 东南大学 一种基于隐马尔科夫模型的车辆异常行为检测方法
CN104408203A (zh) * 2014-12-18 2015-03-11 西安电子科技大学宁波信息技术研究院 一种预测移动对象轨迹终点的方法
CN104931989A (zh) * 2015-07-14 2015-09-23 成都乐动信息技术有限公司 运动轨迹中异常点的检测方法与装置
CN106204335A (zh) * 2016-07-21 2016-12-07 广东工业大学 一种电价执行异常判断方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040130620A1 (en) * 2002-11-12 2004-07-08 Buehler Christopher J. Method and system for tracking and behavioral monitoring of multiple objects moving through multiple fields-of-view
US20100023460A1 (en) * 2006-06-14 2010-01-28 Hughes-Fefferman Systems, Llc Methods and apparatus for iterative conditional probability calculation methods for financial instruments with path-dependent payment structures
CN103235933A (zh) * 2013-04-15 2013-08-07 东南大学 一种基于隐马尔科夫模型的车辆异常行为检测方法
CN104408203A (zh) * 2014-12-18 2015-03-11 西安电子科技大学宁波信息技术研究院 一种预测移动对象轨迹终点的方法
CN104931989A (zh) * 2015-07-14 2015-09-23 成都乐动信息技术有限公司 运动轨迹中异常点的检测方法与装置
CN106204335A (zh) * 2016-07-21 2016-12-07 广东工业大学 一种电价执行异常判断方法、装置及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
叶敏: "《基于轨迹数据挖掘的异常检测方法研究》", 《中国优秀硕士学位论文全文数据库（电子期刊）》 *
王兴: "《基于概率后缀树的移动对象轨迹预测》", 《计算机应用》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110751164A (zh) * 2019-03-01 2020-02-04 西安电子科技大学 一种基于位置服务的老人出行异常检测方法
CN110751164B (zh) * 2019-03-01 2022-04-12 西安电子科技大学 一种基于位置服务的老人出行异常检测方法
CN110727757A (zh) * 2019-10-22 2020-01-24 北京卡路里信息技术有限公司 轨迹数据的处理方法及装置、电子设备
CN111882873A (zh) * 2020-07-22 2020-11-03 平安国际智慧城市科技股份有限公司 轨迹异常检测方法、装置、设备及介质
CN111882873B (zh) * 2020-07-22 2022-01-28 平安国际智慧城市科技股份有限公司 轨迹异常检测方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN111190939A (zh) 一种用户画像构建方法及装置
CN112417439A (zh) 账号检测方法、装置、服务器及存储介质
CN113383362B (zh) 用户识别方法及相关产品
CN110781960B (zh) 视频分类模型的训练方法、分类方法、装置及设备
CN108900975A (zh) 用户移动轨迹的检测方法和装置、设备、存储介质
CN106294105A (zh) 刷量工具检测方法和装置
CN110264996B (zh) 语音标注质量确定方法、装置、设备及计算机可读介质
CN112559593A (zh) 一种基于标签聚类的本地化差分隐私保护方法
CN109450869B (zh) 一种基于用户反馈的业务安全防护方法
CN113515606A (zh) 基于智慧医疗安全的大数据处理方法及智慧医疗ai系统
CN113992340A (zh) 用户异常行为识别方法、装置、设备、存储介质和程序
CN113412607A (zh) 内容推送方法、装置、移动终端及存储介质
CN111950237B (zh) 一种句子改写方法、句子改写装置及电子设备
CN111177725A (zh) 一种检测恶意刷点击操作的方法、装置、设备及存储介质
CN113011886B (zh) 帐号类型的确定方法和装置及电子设备
CN113240139B (zh) 告警因果评估方法、故障根因定位方法及电子设备
CN113779423A (zh) 一种模型参数调整方法、装置、电子设备和存储介质
CN109600361B (zh) 基于哈希算法的验证码防攻击方法、装置、电子设备及非暂态计算机可读存储介质
CN112070161A (zh) 一种网络攻击事件分类方法、装置、终端及存储介质
CN115102758B (zh) 异常网络流量的检测方法、装置、设备及存储介质
CN115391674B (zh) 网络社区虚假信息高效抑制方法及装置、设备、存储介质
CN114969738B (zh) 一种接口异常行为监测方法、系统、装置及存储介质
CN114065187B (zh) 异常登录检测方法、装置、计算设备及存储介质
CN111368858A (zh) 用户满意度评估方法及装置
CN112765236B (zh) 自适应异常设备挖掘方法、存储介质、设备及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20181127