張海瀛

（中國西南電子技術研究所 成都 610036）

1 引言

隨著無線傳感網(wǎng)絡、全球衛(wèi)星導航系統(tǒng)等技術和設備的發(fā)展，目標時空數(shù)據(jù)（如飛機、船舶軌跡等）的數(shù)據(jù)量日益增長，及時發(fā)現(xiàn)目標時空異常情況并給予實時告警，對于及時科學決策具有重要的意義［1～3］?！爱惓！币话闶侵赣^測到的事物與所期望事物有所不同的現(xiàn)象。時空異常判定的目的是在從時空數(shù)據(jù)中發(fā)現(xiàn)偏離正常模式的目標。目標時空異常情況的研究需要建立在正常模式建模之上，以此為標準，將觀測到的數(shù)據(jù)與正常模式相對比，進而實現(xiàn)異常情況的判定。

一般來說，從目標時空信息來看，主要時空異常情況如圖1所示，包括速度或航向等運動狀態(tài)的變化、偏離正常路徑、過于接近或進入違禁區(qū)域等［3］。本文主要研究目標位置超出歷史或預設路徑的異常情況判定，稱之為“航路異?！薄Ｔ诖朔N異常情況下，目標的正常模式是其正常行駛軌跡，該軌跡可以預先設定，也可以從目標的歷史活動數(shù)據(jù)中提?。?～6］。

圖1 目標時空異常模式

目前，目標航路異常判定模式包括在線實時和離線非實時兩種，判定方法可細分為基于統(tǒng)計挖掘的方法［7～9］、基于距離的方法［10～13］和基于機器學習（包括神經(jīng)網(wǎng)絡）的方法［14～15］三大類?；诮y(tǒng)計挖掘的方法主要面向離線非實時場景，旨在發(fā)現(xiàn)大規(guī)模數(shù)據(jù)中的異常目標，而后兩類方法主要面向在線實時場景，側重于目標異常情況的實時判定和告警。基于距離的方法，主要通過計算目標實時特征向量與正常模式下特征向量之間的距離來判斷目標是否出現(xiàn)異常?；跈C器學習的方法，主要利用決策樹、支持向量機、貝葉斯網(wǎng)絡等模型，自動學習復雜的數(shù)據(jù)結構、已有的異常和正常模式。

基于機器學習的方法是有監(jiān)督方法，需要采集大量的目標軌跡數(shù)據(jù)，并人工標注異常和正常數(shù)據(jù)，構建訓練集，以進行模型的訓練，同時還面臨樣本不均衡問題。其中，基于神經(jīng)網(wǎng)絡的方法具有更強大的擬合能力，可對復雜異常問題進行建模，但是其所需要的訓練集更大，學習到的模型難以解釋，甚至還需要配備專用推理硬件，導致其應用場景受限。而基于距離的方法是無監(jiān)督方法，主要從物理特性出發(fā)建模目標特征向量，無需構建數(shù)據(jù)集和進行訓練，原理清晰，部署環(huán)境通用，在實際中得到了更加廣泛的應用。

基于距離的方法，核心在于如何構建特征向量（可由位置、航速、航向、轉角等組成），并快速衡量特征向量之間的距離。目前，無論是基于單維特征還是聯(lián)合多維特征的距離方法［10～13］，大都基于Hausdorff距離來度量特征距離，需要計算實時特征與每個參考特征之間的距離，時間開銷較大，這嚴重影響著實時判定的效率。

針對該問題，本文圍繞目標航路實時異常判定問題，提出了一種基于集合重合性的在線快速判定方法，并給出了閾值設定的啟發(fā)式規(guī)則。該方法將實時軌跡相比于正常軌跡的偏離程度度量問題轉化為地理網(wǎng)格集合間的重合性計算問題，具有更好的計算效率，更加適合于工程應用。

2 目標航路實時異常判定原理

2.1 任務定義與問題建模

其中，ak為集合元素對應的軌跡點數(shù)。當相似性參數(shù)小于設定的門限值時，則認為目標出現(xiàn)了航路異常。

一般地，從GPS等定位設備采集的目標軌跡點可以用p(x,y,v,t)來表示，其中x表示經(jīng)度，y表示緯度，t表示時間，v表示速度。因此，目標軌跡T可以描述為目標軌跡點的有序序列：

其中，pi表示目標軌跡的第i個軌跡點。在下面的描述中，本文用Ttypical表示表示目標正常軌跡，Tr表示目標實時軌跡。

一般來說，同一目標會存在多條正常軌跡，例如車輛、飛機、船舶等目標在執(zhí)行不同任務時會形成不同的正常軌跡。本文重點關注如何計算目標實時軌跡與正常軌跡之間的偏離程度，因此，不失一般性，本文以目標僅有一條正常軌跡時的情況作為研究對象。

2.2 偏離指標計算方法

本文基于Geohash編碼［16］，根據(jù)目標實時軌跡點落入正常軌跡周邊區(qū)域的比例來判斷是否出現(xiàn)航路嚴重偏離情況。

假設截止到當前時刻，目標共有m個軌跡點，則其軌跡序列為

新的個稅法采用了按年納稅，工資薪金個稅預扣預繳采用了累計預扣法，并且還要在年終過后匯算清繳。收入的忽高忽低，對全年應繳納的個稅總額不產(chǎn)生任何影響。

針對這種問題，不僅需要引航部門強化對于引航人才的有效培養(yǎng)，不斷擴大人才招聘范圍，加強與相關專業(yè)院校之間的有效合作，還需要地方政府加強在相關教育引導工作中的財政投入，加強教育管理，鼓勵相關院校強化引航相關專業(yè)人才的培養(yǎng)與教育工作，為船舶靠離泊航行安全提供更多的人才保障。另外，針對當前各引航機構在人才隊伍建設及管理方面的不足，也要求引航部門優(yōu)化人才管理制度，減少引航員的工作壓力與工作強度，提高工作待遇，保證引航員的良好情緒。

基于上述參數(shù)配置，偏離指標隨時間的變化情況如圖4所示。需要說明的是，偏離指標越小，表示目標實時軌跡偏離其正常軌跡的程度越嚴重，即出現(xiàn)航路異常。

在對目標實時軌跡進行Geohash編碼時，統(tǒng)計并記錄每個集合元素對應的實時軌跡點數(shù)：

合同約定的內容主要站在有利我方角度考慮，原則是我方權利越多越好，義務越少越好。并視具體合同而設置應有的條款；合同履行條款的設置原則：合同相對人履行在先，我方履行在后。在約定我方付款期限時，要充分留足公司報銷流程時間，以免不能及時付款而造成違約。

假定目標的正常軌跡Ttypical對應的GeoHash編碼集合為set(Ttypical)：

6)相關教育部門需要進一步落實與完善體教結合機制，讓有潛力的學生在大學校園里，能夠接受高水平、系統(tǒng)的訓練，以為我國女籃在未來的發(fā)展輸送更多的人才。

基于目標實時軌跡和正常軌跡GeoHash集合數(shù)據(jù)，定義目標實時軌跡與目標正常軌跡之間的偏離指標計算公式，如下所示：

目標航路實時異常判定的任務是：實時判定目標是否偏離其正常軌跡，并在嚴重偏離時給出告警提示。該任務的關鍵是如何快速度量目標實時軌跡偏離正常軌跡的程度。本文通過將偏離程度度量問題轉化為“地理網(wǎng)格集合間的重合性計算問題”，實現(xiàn)偏離程度的快速計算。

再次，培養(yǎng)多種情趣，用精彩的業(yè)余生活調節(jié)情緒。要有情感寄托的方法，合理地對自己不良情緒轉移。利用好教師的假期做好休息，行萬里路如讀萬卷書，游覽祖國名山大川，感受不同的生活方式，開闊視野，開闊胸襟，就能學會包容學會理解，就能在教育中營造和諧教育環(huán)境。學校及工會組織，在全體教師中多組織喜聞樂見的、豐富多彩的有益的體育活動和其它活動，讓教師在各種活動中和諧交往，增進互相了解，從而使教師身心得到放松，保持旺盛的精力和飽滿的激情投入到教育教學中去[4]。

（2）草海濕地沉積物重金屬元素除Cu、As平均含量未超過貴州省土壤元素背景值，其他5種重金屬均超出貴州省土壤背景值含量，尤其是Cd，高達背景值21倍，可見草海存在嚴重的Cd污染。根據(jù)潛在生態(tài)危害指數(shù)的綜合分析可知：Cr、As、Pb和Zn污染較嚴重，其中Cd和Hg污染最嚴重，已達到極強的潛在生態(tài)危害程度。

需要注意的是，在目標航路異常實時判定過程中，目標的軌跡數(shù)據(jù)是不斷更新的，若積累的目標軌跡點過多，則容易降低偏離指標對航路異常的敏感性。因此，在實際中通常截取距離當前時刻一段時間內的有限軌跡點進行偏離指標計算。本文按指定長度Lp，選取截止到當前時刻的目標實時軌跡點。

3 目標航路實時異常判定流程

本文提出的目標航路實時異?？焖倥卸ǚ椒ㄌ幚砹鞒倘鐖D2所示。

圖2 目標航路實時異?？焖倥卸鞒?/p>

3.1 初始參數(shù)設置

在實施目標航路實時異常判定時，需要設置的初始參數(shù)包括參與計算的目標實時軌跡序列長度Lp、目標軌跡點GeoHash編碼長度Lg和異常告警門限值EL，這些參數(shù)可根據(jù)實際情況設置。例如，對于參與計算的目標實時軌跡序列長度Lp，可綜合考慮時間監(jiān)控窗口、目標實時更新速率等因素來確定；對于GeoHash編碼長度，若要求目標實時軌跡偏離正常軌跡的平均距離 ≤3km，則Lg可設置為5。特別地，對于異常告警門限值EL的設定，可按照以下啟發(fā)式規(guī)則進行：

之所以選擇在接受理論視角下看文化缺省的翻譯，是因為在接受理論的核心概念中就包括“視域融合”，“未定點”等概念，這種“未定點”就是作者預留給讀者引起共鳴的，而文化缺省就是這種有意安排的“未定點”中的一類，同時它在文化構建中也起著舉足輕重的作用，所以研究關于文化缺省翻譯的問題在以讀者為導向的閱讀過程中會更好地促進讀者對于不同文化的欣賞同時又在其接受范圍內，不會影響作者與讀者的交流，從而使得跨文化交際更好更有效地進行。

1）對于完全禁止目標實時軌跡點偏離正常軌跡指定范圍的情況，可設置EL值為1；

兩個目標的實時軌跡和正常軌跡如圖3所示，從圖中可以看出，空中目標和海面目標的實時軌跡與正常軌跡均存在嚴重偏離情況。

例如，若EL設置為0.8，則允許至多20%例外點出現(xiàn)，也就是說當80%以上的軌跡點落入正常軌跡區(qū)域時，則認為該目標沒有出現(xiàn)異常。

3.2 偏離指標計算

1）根據(jù)設定的GeoHash編碼長度，提取目標正常軌跡編碼集合中每個元素的前Lg位編碼，形成參與計算的計算軌跡GeoHash編碼集合。需要說明是，該操作在整個實時判定過程中，僅需進行一次，甚至可以提前將正常軌跡編碼集合存儲到相應的數(shù)據(jù)庫中，在使用時僅進行一次讀取操作即可；

2）根據(jù)設定的GeoHash編碼長度，計算目標每個實時軌跡點的Geohash編碼，并在設定的軌跡序列長度Lp約束下，形成參與計算的實時軌跡Geohash編碼集合，記錄每個集合元素對應的實時軌跡點數(shù)；

我曾聽說何副書記原在外地因作風問題才調到這兒來的。對領導干部這種“換地方”懲罰法不理解，只上不下，犯了錯誤就換個地方，就如小孩尿炕，把這床褥子尿了，再換一床，結果弄得床床都有臊氣，使人近前不得。這次鄉(xiāng)里懲治腐敗，像往常一樣，何副書記只敷衍一下。中央讓干點啥，到縣鄉(xiāng)兩級就松勁了。就像往水里扔石頭，中心激起的水浪高，然后向四周擴展開去，越傳得遠越低，最后波平浪靜。我為女站長擔起心來，但轉念一想，何必多管閑事！這女子如此風流，倘若是周瑜打黃蓋——我們豈不成了豬八戒照鏡子？我正想回家，巴克夏卻說：“咱別回去了，反正也不太冷，就在辦公室睡吧！”

3）基于目標實時軌跡和正常軌跡的Geohash編碼集合，根據(jù)式（6），完成偏離指標Rs的計算。

3.3 異常判定

根據(jù)設定的異常告警門限值，當以下條件成立時：

1）參與計算的目標實時軌跡序列長度Lp，設置為50；2）目標軌跡點GeoHash編碼長度Lg，設置為5；3）異常告警門限值EL，設置為0.7。

4 實驗與結果分析

由于本文所提方法基于目標實時軌跡偏離正常軌跡的程度來判斷目標是否出現(xiàn)航路異常，不涉及復雜的特征工程，實現(xiàn)原理清晰、可解釋，具有一般性和普適性，因此不需要利用大量數(shù)據(jù)進行實驗分析。

利用ArcGIS軟件平臺，以更新后的榮成市第二次全國土地調查數(shù)據(jù)為本底數(shù)據(jù)，以圖斑為最小單元，將收集到的各項數(shù)據(jù)進行空間疊加分析及屬性空間化。參照相關技術要求計算各項指標數(shù)值。

4.1 本文方法有效性分析

為了驗證所提出方法的有效性，本文利用某典型空中和海面目標實測軌跡數(shù)據(jù)進行實驗分析，對目標軌跡數(shù)據(jù)進行了脫敏處理：通過對其真實軌跡進行偏移和重采樣作為其實時軌跡，并對實時軌跡進行偏移和重采樣等處理，得到目標正常軌跡。兩個目標的實時軌跡參數(shù)如表1所示。

其中，HU（Hounsfield Unit）為三維空間中每個單元對于二維圖像的CT值，ρash為灰度密度值，E為相應位置單元材料的彈性模量，單位為MPa。通過Mimics材料賦值模塊，完成骨骼網(wǎng)格模型的非均勻單元賦值。

表1 目標實時航跡參數(shù)

2）對于允許目標實時軌跡點出現(xiàn)例外的情況，可根據(jù)能夠接受的例外軌跡點數(shù)量占參與計算的目標實時軌跡序列長度Lp的比例來計算。

根據(jù)實驗要求和經(jīng)費情況可以選擇自己拍攝和專業(yè)公司拍攝：自己拍攝成本低、時間自由、可反復拍攝修改，但畫面質量不如專業(yè)公司拍攝得清晰；專業(yè)公司拍攝畫面更精致，但成本更高，修改、重拍比較費事。因此，可以自己簡單地拍攝，操作復雜的請專業(yè)公司拍攝。

圖3 目標實時軌跡與正常軌跡示意圖

基于目標航路實時異常判定流程，計算目標實時軌跡與正常軌跡間的偏離指標，采用的初始參數(shù)配置如下：

則判定目標出現(xiàn)航路偏離異常，并輸出告警信息。否則，則直接返回，等待新軌跡點的輸入。

其中，n為轉換后集合元素個數(shù)為第i個集合元素。需要說明的是，在進行實時軌跡Geohash編碼時，編碼長度Lg可根據(jù)監(jiān)測需求給定。

日前，衡陽市不動產(chǎn)登記中心召開會議，通報了全國不動產(chǎn)登記窗口作風問題的5個典型案例，同時也通報了群眾反映的該中心個別科室干部有可能收受紅包、參與吃喝宴請的現(xiàn)象，并要求各科室自我對照、自查自糾，堅決防止通報事件和群眾反映的現(xiàn)象發(fā)生。該中心權籍調查科科長在參加完上述會議后，召開了科室內部會議，會議結束后，便由日常負責撰寫會議紀要的調查科科員草擬了上述的這份承諾書。

圖4 目標軌跡相似性指標隨時間的變化情況

從圖4中可以看出，無論是空中目標還是海面目標，當目標實時軌跡開始偏離正常軌跡時，按照設定的門限值，可以很容易判斷出目標出現(xiàn)了航路異常；隨著目標開始慢慢回歸正常軌跡，其相似性指標也逐漸提高，預示著偏離程度越來越小，與目標實時軌跡與正常軌跡之間的距離變化趨勢相吻合。

為了定量評估所提方法的有效性，本文采用精確率、召回率和F1值等三個常用指標［17］進行評估。本文通過對目標實時航跡與正常軌跡間距離設置門限值來得到真值數(shù)據(jù)。由于本實驗中Geo-Hash編碼長度設置為5，因此距離門限值設置為2.5km，即當航跡間距離大于2.5km時，則認為目標出現(xiàn)異常。基于預測數(shù)據(jù)和真實數(shù)據(jù)，評估結果如表2所示。

表2 多指標評估結果

從評估結果可以看出，本文方法在目標航路實時異常檢測方面，具有較高的判定準確率。

4.2 計算效率對比分析

在實際中，基于Hausdorff距離的經(jīng)典方法應用最為廣泛，在原理上與本文所提方法相同，僅偏離指標的計算方式不同。為了驗證所提方法計算的高效性，本文利用上述數(shù)據(jù)，對所提方法與基于Hausdorff距離的經(jīng)典方法的計算效率進行對比分析。

首先，從理論方面來看，由Hausdorff距離的定義可知，針對目標的每個實時軌跡點，基于Hausdorff距離的經(jīng)典方法需要計算實時軌跡點與每個正常軌跡點之間的距離，然后取最小值作為該點到正常軌跡的距離，最后與設定閾值比對實現(xiàn)航路是否異常的判定，因此其計算量與正常軌跡的點數(shù)正相關；而本文所提方法，僅僅需要計算每個實時軌跡點的GeoHash編碼，然后判斷該編碼是否出現(xiàn)在正常軌跡編碼集合中即可實現(xiàn)航路是否異常的判定。因此，直覺上本文方法具有更高的計算效率。

根據(jù)以上論述，利用時間復雜度分析理論，對兩種方法一次判定中，關鍵步驟的最差時間復雜度進行分析，如表3所示，其中M為正常軌跡原始長度，N為正常軌跡編碼集合大小，且N遠小于M。

表3 時間復雜度分析結果

從表3中理論分析結果可知，基于Hausdorff距離的經(jīng)典方法的時間復雜度要高于本文所提方法。需要注意的是，實際的運行時間還與距離計算時間、GeoHash編碼時間、運行環(huán)境配置等因素有關。

接下來，本文以實驗方式，對兩種方法的計算效率進行對比分析。實驗環(huán)境配置如表4所示。

表4 實驗環(huán)境配置

為了減少統(tǒng)計的隨機性，本文對每條數(shù)據(jù)，進行10次實驗并取平均值作為實驗結果。兩種方法全面完成目標航路實時異常判定的時間統(tǒng)計結果如表5所示。

表5 兩種方法實測時間對比

從表中可以看出，本文方法具有更高的計算效率，并且目標軌跡點數(shù)越多，計算效率提升越明顯。

5 結語

針對目標航路實時異常判定問題，本文提出了一種基于集合重合性的快速判定方法，將實時軌跡相比于正常軌跡的偏離程度度量問題轉化為地理網(wǎng)格集合間的重合性計算問題，并給出了閾值設定的啟發(fā)式規(guī)則。實驗結果表明，該方法能夠實現(xiàn)目標航路異常的實時判定，適用于不同類型目標，并且具有更好的計算效率。

本文方法是一種面向實時監(jiān)測場景、非監(jiān)督式的航路異常判定方法，具有實現(xiàn)簡單、可解釋性好、無需標注數(shù)據(jù)、計算效率高等特點，適合于監(jiān)控目標明確、目標存在預設軌跡或經(jīng)典軌跡的監(jiān)控場景，具有一定的工程應用價值。但是，面向目標經(jīng)典軌跡未知或難以挖掘、多類型異常綜合分析、大數(shù)據(jù)樣本分析等復雜場景，具有強大規(guī)律挖掘和數(shù)據(jù)擬合能力的基于深度神經(jīng)網(wǎng)絡的目標異常判定方法是未來的主流發(fā)展方向。此外，將深度神經(jīng)網(wǎng)絡與氣象、水文、航道拓撲結構、航行規(guī)則等知識相結合的情境分析方法將是更加前沿的研究方向。