1.一种基于时空成本融合框架的出租车驾驶欺诈检测方法，包括如下步骤：(1)对从出租车GPS系统中获得的原始数据进行预处理；

(2)从大量轨迹中识别出常用轨迹，将其与其他轨迹进行对比，寻找异常轨迹；

(3)基于步骤(2)所得的结果，计算异常轨迹中每个子图的密度，获得区域的异常度指标；

(4)结合步骤(2)和步骤(3)所得的结果进行综合处理，分类得到常规异常轨迹与非常规异常轨迹。

2.如权利要求1所述的一种基于时空成本融合框架的出租车驾驶欺诈检测方法，其特征在于：所述步骤(1)具体包括如下步骤：

1a).对出租车GPS系统的原始数据进行处理，如去除敏感数据、噪声数据等；

1b).计算GPS相邻两点间的速度；令p1＝(lng1,lat1,t1),p2＝(lng2,lat2,t2)分别表示相邻两点，d1,2表示一条轨迹中相邻两点的距离，v1,2表示相邻两点的速度，计算公式如下所示：

2

Φ＝(cos(lng1+lng2)+sin(lng1)·sin(lng2))·sin(Δλ)          (2)v1,2＝d1,2/(t2‑t1)                         (3)其中，lng1和lng2分别表示两点的经度， 表示两点经度的平均值，Δλ表示两点纬度的平均值，R表示地球的长半径；

1c).计算GPS相邻两点间的夹角；令θ1,2表示两个相邻点之间的顺时针夹角，计算公式如下所示：

θ1,2＝atan2(sin(Δλ)·cos(lng2),ω‑γ·cos(Δλ))            (4)ω＝sin(lng2)·cos(lng1)                       (5)γ＝sin(lng1)·cos(lng2)                         (6)其中，lng1和lng2分别表示两点的经度，Δλ表示两点纬度的平均值；

1d).根据步骤1b)和1c)所得的GPS相邻两点间的速度与夹角，对原始轨迹数据进行校正，得到和真实路网匹配的轨迹数据；后续步骤所提及的轨迹数据均指当前步骤中校正完毕的轨迹数据。

3.如权利要求1所述的一种基于时空成本融合框架的出租车驾驶欺诈检测方法，其特征在于：所述步骤(2)具体包括如下步骤：

2a).使用标准基线模型获得常用轨迹pri；首先使用高斯分布获取正常情况一对节点间N条轨迹下M条常用轨迹,假定在给定M条常用轨迹pri(i＝1,2,…,M)的先验条件下，这些轨迹分布具有高斯分布参数的特征：

2

其中， 用均值μ和方差σ表示高斯分布的概率密度函数；对于M对参数，我们使用最大似然估计方法来进行计算；

2b).建模一对源‑目的节点＜rs,re＞间的行驶时间分布；首先在＜rs,re＞中识别出总共N种不同的行程持续时间，而每个持续时间都被表示为n；行驶时间的观测结果对于给定的先验条件是独立的，因此可将行驶时间的观测值定义为：其中，p(ni|pri)是给定常用轨迹时间pri的行驶时间观测值ni的条件概率；N和PR分别为所有行驶时间观测值和常用轨迹时间的集合；

2c).结合步骤2b)所得结果计算轨迹的行驶时间证据；在对参数进行估计后，对于给定的p(pri)先验概率，定义了行程持续时间为t的轨迹的异常度Abnormal为：

2d).使用统计学的方法对＜rs,re＞间行驶距离的概率分布进行计算；首先在＜rs,re＞中识别出共有K种不同的行程距离，并将每个距离表示为k，行驶距离的观测结果对于给定的先验条件是独立的；因此可将行驶时间的观测值定义为：其中，p(ki|pri)是给定常用轨迹距离pri的行驶距离观测值ki的条件概率；K和PR分别为所有行驶距离观测值和常用轨迹距离的集合；

2e).结合步骤2d)所得结果计算轨迹的行驶距离证据；在对参数进行估计后，为了避免存在概率为0的情况，在本文中取以e为底的对数；对于给定的p(pri)先验概率，定义了行程距离为d的轨迹的异常度Abnormal为：

2f).通过计算两个轨迹的平均速度差，得到两个轨迹的整体运动速度特性的差异度speDis；计算公式如下所示：

其中，vk,k+1表示相邻两点间的速度， 表示常用轨迹上两点间速度的总数量， 表示被检测轨迹上两点间速度的总数量；

2g).通过计算两个轨迹的角度差，得到两个轨迹的内部方向波动程度angDis；计算公式如下所示：

其中，θk,k+1表示相邻两点间的角度， 表示常用轨迹上两点间角度的总数量， 表示被检测轨迹上两点间角度的总数量；

2h).通过计算两个轨迹的运动偏转角度差，得到两个轨迹在运动方向上的整体偏转差异dirDis；计算公式如下所示：其中，dk,k+1表示相邻两点间的距离， 表示常用轨迹上两点间距离的总数量， 表示被检测轨迹上两点间距离的总数量，α和β分别表示常用轨迹和被检测轨迹的两点间顺时针角度；

2i).结合步骤2f),2g),2h)所得结果计算轨迹的驾驶成本证据；将所得的speDis，angDis和dirDis使用一种加权多特征成本WMFC的计算方法进行综合处理，得到轨迹的成本异常度Abnormal；计算公式如下所示为：Abnormal(c)＝WMFC(pri,Trj)       (16)其中，pri表示常用轨迹，Trj表示被检测的轨迹；

2j).结合步骤2c),2e),2i)所得结果计算轨迹的综合证据；首先，令A(t),A(d),A(c)分别表示Abnormal(t)，Abnormal(d)，Abnormal(c)，并对其进行预处理；计算公式如下所示：其中，n表示证据源总数；因此，综合证据可以被表达为：

2k).根据步骤2j)所得结果找到异常轨迹。

4.如权利要求1所述的一种基于时空成本融合框架的出租车驾驶欺诈检测方法，其特征在于：所述步骤(3)具体包括如下步骤：

3a).以交叉口为分界，将轨迹转换成有向加权子图；

3b).基于步骤(2k)所得结果，计算异常轨迹的每个路段密度；令Gt表示一张有向图，图包括起点St以及终点Dt，另外ρ(Gt(St,Dt))表示密度值；那么可得计算公式，如下所示：其中，w1,w2,w3表示各个方向的权重系数， 表示两个交叉口间的距离；

3c).基于步骤3b)所得结果获得每个时间戳下密度值的变化。

5.如权利要求1所述的一种基于时空成本融合框架的出租车驾驶欺诈检测方法，其特征在于：所述步骤(4)具体包括：根据步骤(2),(3)所得结果综合处理；步骤(2)所得结果为异常轨迹，根据步骤(3)所得结果将其进一步分类得到规则异常轨迹和不规则异常轨迹。