1. 研究目的与意义（文献综述）

1.1研究背景：

随着卫星、无线网络，以及定位设备的发展，大量移动物体的轨迹数据呈急速增长的趋势。近年来，轨迹数据挖掘的研究引起了许多研究人员的兴趣，包括轨迹的聚类、轨迹的伴随模式挖掘、轨迹的频繁模式挖掘，以及异常轨迹检测等。轨迹挖掘在许许多多的地方上得到了运用，比如交通轨迹数据、动物迁徙数据、气候气流数据、人员移动数据等。

因为近年来，随着我国国民经济快速发展，国内外贸易不断增长，我国海上交通运输量也呈大规模增长态势，船舶交通日益繁忙。目前，很多沿海国家已经建立全天候、区域性、高频度的船舶轨迹数据交换中屯。随着越来越多的船舶装配船舶自动识别系统(automatic identification system, 简称ais系统)，如何充分利用船舶ais数据进行船舶轨迹数据挖掘分析和船舶交通研究已成为当前的焦点问题。

2. 研究的基本内容与方案

2.1基本内容（功能）：

本次设计开发的轨迹数据异常检测系统大体分为以下模块：数据存储模块，将轨迹数据存入数据库。轨迹数据查询模块，允许以多种方式查询轨迹数据，无效数据过滤模块，对无效的轨迹数据进行过滤，防止存入数据库和提交给前台。轨迹成像模块，再地图上以可视化的形式将轨迹数据展现。分析模块，对当前航行的轨迹进行轨迹异常监测，确保当前轨迹是在正常轨迹的范围内，如果不在正常轨迹的范围内，将识别是属于哪种偏离并且抛出。报警模块，对抛出的轨迹异常进行报警，提供原始报警方式，并且提供出报警接口，容易拓展。

需要实现的功能为：

3. 研究计划与安排

2017.1.07 – 2017.1.17 查阅参考文献，明确选题

2017.1.18 –2017.2.22 进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告

2017.2.23 –2017.4.30 需求分析，算法或系统设计，分析、比较或实现等

4. 参考文献（12篇以上）

[1] li x, han j, kim s, et al. roam: rule-andmotif-based anomaly detection in massive moving object data sets[c]. in:proceedings of the siam international conference on data mining. minneapolis.minnesota: siam, 2007,7:273-284.

[2] 刘良旭,乔少杰,刘宾,等.基于r-tree的高效异常轨迹检测算法[j].软件学报,2009,20(9):2426-2435.

[3] lee j g, han j, li x. trajectory outlier detection:a partition-and- detect framework[c]. in: proceedings of the 24th internationalconference on data engineering.washington: ieee computer society, 2008:140-149.