1.一种基于循环门控单元的车辆轨迹异常检测方法，其特征在于：包括如下步骤：(1)S_GRU单元设置步骤：在GRU的重置门和更新门前端输入当前时刻的轨迹点与上一时刻的轨迹点的相似度st，通过结合st和GRU得到优化之后的门控循环单元模型S_GRU；

(2)st设定策略：设定Lt为在t时刻与t‑1时刻的轨迹点之间的相似度，q是轨迹点x的特征数，Lt计算公式为：

将相似度映射到[0,1]之间，使用Lt的映射函数得到：(3)重置门计算策略：重置门rt控制前一状态有多少信息被写入到当前的候选集 上，重置门越小，前一状态的信息被写入的越少，重置门计算公式为：rt＝σ(Wr·[ht‑1,xt]+ηr*st)式中，ηr是的权重，该参数是一个超参，设定为[0,1]，表示对重置门或更新门的影响程度；

(4)更新门计算策略：更新门zt用于控制前一时刻的状态信息被带入到当前状态中的程度，更新门的值越大说明前一时刻的状态信息带入越多，更新门计算公式为：zt＝σ(Wz·[ht‑1,xt]+ηz*st)式中，ηz是的权重，该参数是一个超参，设定为[0,1]，表示对重置门或更新门的影响程度；

(5)轨迹预测模块设置步骤：将多个S_GRU单元串接后接入全连接层FC构成轨迹预测模块，轨迹序列T＝(T1,T2,...Tp‑1)作为轨迹预测模块的输入值，全连接层FC为轨迹预测模块输出端，输出轨迹点；全连接层FC使用多个σ激励函数，计算公式为：(6)异常检测模块设置步骤：采用双层门控循环单元，在第一层使用S_GRU，第二层使用GRU，将第一层的隐藏值h作为第二层GRU的输入值，第一层处理数值异常，第二层更深层次的抽取轨迹数据的特征，进而处理业务异常，提高异常判断的精确度；最后一个GRU单元连接逻辑回归函数LR；轨迹序列 作为第一个GRU单元的输入端，逻辑回归函数LR输出为异常检测模块的输出端，输出是否是异常值；

(7)轨迹预测模块与异常检测模块连接步骤：将轨迹预测模块输出端接到轨迹预测模块，运行轨迹预测模块求出序列T的预测值 将轨迹序列 作为异常检测模块的输入值；

(8)异常检测模块的输出端输出判断策略：通过运行轨迹预测模块求出序列T的预测值将轨迹序列 作为异常检测模块的输入值；如果则 与真实值具有一定的距离，是属于异常轨迹点，异常检测模块的最终输出值是1；如果则预测值与真实值相近，已经达到预测目的， 是正常轨迹点，因此异常检测模块的最终输出值是0；其中：ε是超参数，可以设定为0.001；Tsp是预测轨迹点的真实值，p为选取的序列长。