苏建花，赵旭俊，蔡江辉

(太原科技大学 计算机科学与技术学院，太原 030024)

1 引 言

随着社会的进步，出租车和网约车逐渐成为人们出行的重要选择，随之出现的是层出不穷的网约平台.由于故意绕路使乘客支付不必要的费用等欺诈行为以及因轨迹存在异常隐含的刑事案件不断增多，保障乘客在乘车过程中的权益和人身安全已经成为亟待解决的问题.快速有效地从海量轨迹数据集中发现存在异常的车辆轨迹，挖掘背后有意义的隐藏信息，已成为众多学者研究的热点之一.

异常轨迹是指轨迹数据集中不符合给定条件或与大多数轨迹显著不同的轨迹[1].现有的检测算法根据轨迹之间的关系确定数据集中的异常轨迹.对于异常轨迹的检测非常有成效，并被广泛地应用于各个方面.

但仍存在一些不可避免的问题:1)TRAOD算法[2]和R-Tree算法[3]将轨迹划分为轨迹段集，通过与大多数轨迹之间的距离关系判断轨迹是否异常.但是其只突出位置信息对评估轨迹离群程度的影响，忽略了其他因素的作用.同时TRAOD需要人工设置许多参数，而参数越多，人为因素对检测结果的干扰就越大；2)参与检测的数据质量低.DBTOD算法[4]和SHNN-CAD算法[5]直接使用位置设备获取的数据，未考虑值丢失，数据失真等问题，忽略正常轨迹与异常轨迹的差异，导致检测结果准确率较低；3)文献[6]和文献[7]只适合出发地(S)和目的地(D)相同的轨迹，无法适应大范围的检测.而实际上车辆行驶是没……