物理引导的异常轨迹间隙检测

给定带有间隙（即缺失数据）的轨迹，我们研究了识别轨迹中异常间隙的算法，这些异常间隙发生在给定移动物体未报告其位置，但同一地理区域内的其他移动物体定期报告其位置时。由于其在社会应用中的重要性，该问题非常重要，例如提高海上安全和针对非法捕捞、非法石油转移和转运等全球安全问题的监管执法。该问题具有挑战性，因为难以界定移动物体在轨迹间隙期间的可能位置，以及在如此大量的位置数据中检测间隙的计算成本极高。现有的异常轨迹检测文献假设间隙内进行线性插值，这可能无法检测到异常间隙，因为给定区域内的物体可能已经偏离了其最短路径。在初步工作中，我们引入了一种异常间隙度量，使用经典的时空棱镜模型来界定物体在轨迹间隙期间的可能移动，并提供了一种可扩展的记忆化间隙检测算法 (Memo-AGD)。在本文中，我们提出了一种时空感知间隙检测 (STAGD) 方法，以利用时空索引和轨迹间隙合并。我们还结合了一种基于动态区域合并 (DRM) 的方法来高效计算间隙异常分数。我们提供了理论证明，表明两种算法都是正确且完备的，并提供了渐近时间复杂度分析。在合成和真实世界海上轨迹数据上的实验结果表明，所提出的方法在计算时间上显著优于基线技术。