基于HMM模型的老年人出行异常检测研究

摘要

我国已经进入老年型国家，而人口老龄化带来诸多社会问题。由于老人的身体机能衰退，很容易在日常出行中出现走失、受伤等意外情况。随着科技的发展，GPS的定位精度已显著提高，装有GPS模块的智能设备已广泛地应用到人们的日常生活中。利用智能设备可以方便地监测老年人出行，而如何让这些设备从简单地记录时间和空间数据向行为识别的转变，实现“智慧化”老年人监护，这具有重大的社会意义。
　　在对老年人监测的过程中，智能设备会采集大量的GPS轨迹，而这些轨迹数据所蕴含的信息是无法直接观察到的。如何从轨迹数据中有效地提取出人的出行活动行为信息，并从这些信息里判断老年人出行是否出现异常情况，是本文着重关注的问题。
　　针对该问题，本文作了以下研究工作：
　　(1)研究基于轨迹数据的运动分析，根据运动特征将轨迹划分成移动和停留序列，查找停靠点，然后分析老年人出行目的与出行轨迹的关联性，并结合聚类分析来提取老年人出行的感兴趣点(POI)，最后通过实验验证感兴趣点识别算法的有效性。
　　(2)研究基于HMM模型的老年人出行异常检测，首先将出行轨迹的方向角作为模型的训练数据，改进了HMM模型中隐藏状态的确定方法，建立老年人日常行为模型，然后利用该模型判断是否出现异常并分级预警，最后通过实验证明了该方法对老年人行为异常检测有较高的准确性。
　　(3)开发了老年人出行异常检测系统，可以实现出行信息维护，老年人出行感兴趣点挖掘，出行 HMM模型建立，以及出行异常检测与分级预警。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究近况

1.3 本文的研究内容

第二章 老年人出行数据采集及预处理

2.1 老年人出行数据采集

2.2 数据特征分析

2.3 数据预处理

2.4 小结

第三章 基于出行轨迹数据的出行分析

3.1 出行的基本要素

3.2 出行轨迹分析

3.3 轨迹聚类分析

3.4 出行感兴趣点识别

3.5 实验分析

3.6 小结

第四章 基于HMM模型的老年人出行异常检测

4.1隐马尔可夫模型

4.2 基于HMM的出行异常检测算法

4.3 实验分析

4.4 小结

第五章 老年人出行异常检测系统

5.1 系统简介

5.2 小结

第六章 结论与展望

参考文献

致谢

攻读学位期间的研究成果