一种基于改进GRU神经网络的异常轨迹检测方法

专利主权项内容

1.一种基于改进GRU神经网络的异常轨迹检测方法，其特征在于，包括：获取待检对象近期的轨迹数据，并将所述轨迹数据整理为以经纬度为主要特征的轨迹序列；基于DBSCAN算法对所述轨迹序列进行密度聚类，整理聚类结果并为所述轨迹序列添加正常或异常标签；搭建改进GRU神经网络，将记录标签信息的所述轨迹序列集输入所述改进GRU神经网络，以训练待检对象的轨迹模型；以经纬度为特征目标整理敏感区训练集，调用DBSCAN算法对所述敏感区训练集进行密度聚类，得到第一敏感区提取结果；对于给定的自有数据训练点集，通过多边形凸包算法整理所述自有数据训练点集最大凸包多边形并记录，得到第二敏感区提取结果；基于完成训练的所述轨迹模型及所述第一敏感区提取结果、所述第二敏感区提取结果，传入待检对象的即时轨迹，根据轨迹模型输出结果及即时轨迹斜率切向分别研判轨迹偏离或轨迹偏向异常信息。