随着位置采集和移动通信技术的不断进步,每天有大量的轨迹数据被采集并收录,因此在过去的十数年中,轨迹数据挖掘工作进展迅速,而异常轨迹检测是其中很重要的一部分。目前中国的汽车保有量、销售量都位于世界前列,与此同时,国家重大专项中的车联网项目正在大力发展中,车辆轨迹数据是日常能接触到的最广泛、最普遍的轨迹数据之一。本文研究的问题是通过轨迹数据挖掘来进行轨迹异常检测,即使用一个地区车辆出租公司出租出去的车辆传回的轨迹数据来检测异常车辆行为,进而尝试评估该车辆是否有丢失风险,达到减少车辆出租公司发生车辆丢失事件的损失的目的。由于本文所研究的是一个无监督的异常检测问题,故而提出两种思路:聚类和单分类。本文在聚类思路上使用豪斯多夫距离来计算轨迹相似度形成距离矩阵,再利用轨迹距离矩阵来进行DBSCAN聚类;在单分类思路上从轨迹中提取十个经纬度坐标作为特征,并赋予不同位置的点不同权重,使得轨迹末端的点在模型中影响力更强,以此加入轨迹的时间因素。本文所用数据为一家苏州分公司出租出去的210辆车连续6天内实时传回的每日约90万条数据GPS定位数据,包括经纬度、车号、传回时间和车辆时速。目前车辆轨迹异常检测的实际应用存在一些技术难度,如GPS定位漂移导致轨迹点的偏差、每条轨迹包含的轨迹点数量巨大等,针对以上问题,本文在轨迹预处理阶段,增加了数据清洗和轨迹压缩步骤。数据清洗去掉了由于GPS定位漂移而产生的轨迹明显偏离道路的问题;使用道格拉斯算法的轨迹压缩使得轨迹长度大幅缩短,但压缩前后轨迹差别很小,节省了大量后续计算时间,同时最大限度保证了数据的完整性。目前车辆轨迹异常检测用于防止车辆丢失这一现实问题上的研究较少,因此本文对其进行了探索。本文使用DBSCAN聚类,单类支持向量机模型和孤立森林模型三种方法对经过预处理后得到的210条轨迹进行建模,模型更新方法为:如果该车辆前一天的轨迹被判定为正常,则次日使用当天的轨迹作为输入;如果该车辆前一天的轨迹被判定为异常,则次日使用前一天的轨迹和当天的轨迹共同作为输入,意在用每日新增的车辆轨迹数据对模型进行修改。模型评估部分,在以上三种模型对比人工判断的对异常轨迹查全率指标上,DBSCAN聚类略优于孤立森林,都在90%以上,单类支持向量机表现最不好;而在以上三种模型给车辆的判定结果对比车辆真实情况的假阳性率指标上,孤立森林和DBSCAN聚类在训练集、测试集上都为0,仔细对比二者的混淆矩阵孤立森林稍优于DBSCAN聚类,而单类支持向量机表现最差。另外,由于DBSCAN聚类计算轨迹距离矩阵的时间相对耗时耗内存,而且每进入一条新轨迹需要重新聚类,聚类结果不能存储,所以在计算成本方面不如孤立森林模型。因此本文的研究结论为孤立森林更适用于轨迹异常监测防止车辆丢失这一现实问题。本文的创新点有以下两点:首先在研究问题上有所创新,现有对利用轨迹监测车辆丢失风险这一现实问题的研究不足,本文采用了聚类和单分类两种思想来进行轨迹异常检测;其次在轨迹的时间因素上有所创新,使得每一条轨迹不同轨迹点在模型中的重要程度随时间延长而变大,同时提出了一种模型更新的方法。本文的意义在于利用统计知识来对监测车辆丢失风险提出了一种可行且有效的方案,即使用模型来进行轨迹异常检测,这改变了以往人工监测的方式带来的一些不确定性和偶然性,同时减小了人力劳动的工作量。