1.一种顾及语义的轨迹数据异常检测方法，其特征在于：包括以下步骤：步骤1：对历史工作数据集，异常点集，异常值和自适应窗口进行初始化；

步骤2：输入测试轨迹，根据轨迹点的经纬度，采样时间信息求出轨迹点的网格坐标并完善其语义信息；

所述步骤2包括以下步骤：

步骤2.1：输入测试轨迹，计算轨迹点网格坐标：根据轨迹点的经纬度坐标计算轨迹点的网格坐标，将轨迹点映射到网格，网格坐标表达式如下所示：；

其中，分别表示网格横坐标和网格纵坐标，表示轨迹点经度，表示轨迹点纬度，表示历史轨迹工作集合中最小经度值，表示历史工作集合中的最小纬度值，，表示单个网格经纬度尺寸；

步骤2.2：计算轨迹点速度：根据轨迹点的经纬度坐标和采样时间间隔计算轨迹点速度，轨迹点速度表达式如下所示：；

其中，分别表示轨迹点的经纬度坐标，表示采样时间间隔；

步骤2.3：完善POI信息：将分类后的POI信息根据经纬度信息添加到轨迹中，完善每个轨迹点的POI信息；

步骤3：将轨迹点加入自适应窗口末尾，根据自适应窗口过滤历史轨迹工作集，并且生成新的工作数据集；

步骤4：根据此前计算得到的新的工作数据集和原有工作数据集计算支持度；

步骤5：根据支持度计算当前异常值，并返回步骤3；

所述步骤5包括以下步骤：

步骤5.1：计算当前异常值，由于轨迹是正在进行的，将保留一个异常分值，用于在检测过程中提供警报，并在检测完成时候提供警报，并在轨迹检测完成后对其进行排序，其中支持度越小、一场距离越长的的的轨迹排名越高，因此根据异常子段的长度和每个异常子段中的密度来计算该异常分值，其表达式如下所示：；

其中是热度参数，用以平滑由于阈值选取引起的断点，表示测试轨迹中两相邻轨迹点的距离；

步骤5.2：判断支持度是否大于阈值，若大于阈值，则转到步骤3，若小于阈值则转到步骤5.3；

步骤5.3：重置历史工作数据集和自适应窗口；

步骤6：区分异常轨迹片段和异常轨迹，通过异常点集中的异常点能够精确的检测出轨迹中异常的片段，同时通过轨迹的异常分值能够对轨迹异常程度进行排序，帮助识别出异常轨迹。

2.根据权利要求1所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤1包括以下步骤：步骤1.1：将异常点集初始化为空；

步骤1.2：将异常分值初始化为0；

步骤1.3：将自适应窗口初始化为空；

步骤1.4：初始化历史轨迹工作集。

3.根据权利要求2所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤1.4包括以下步骤：步骤1.4.1：确定网格大小：将目标区域均匀的划分为网格，根据轨迹数据的采样时间间隔和轨迹的平均速度计算得到网格边长，并将网格边长转换为经度差和纬度差，网格边长计算表达式如下所示：；

其中表示网格边长，表示采样时间间隔，表示轨迹平均速度；

步骤1.4.2：将轨迹映射到网格：轨迹是由一系列带有时间戳的GPS点组成，其中每一个GPS点包含经纬度，采样时间，速度信息，根据GPS点的经纬度信息将GPS点映射到网格中，将原有的轨迹点序列转化为网格序列，网格坐标计算表达式如下所示：；

其中，分别表示网格横坐标和网格纵坐标，表示轨迹点经度，表示轨迹点纬度，表示历史轨迹工作集合中最小经度值，表示历史工作集合中的最小纬度值，，表示单个网格经纬度尺寸；

步骤1.4.3：完善单元格语义信息：将所有POI信息进行分类，将分类后的POI根据经纬度信息加入到网格序列中，完善网格序列的语义信息；

步骤1.4.4：生成增强网格序列：由于GPS信号接收速率和网格大小并非一一匹配，因此网格序列中的映射点不相邻，从而导致网格序列不连续，留下缝隙，根据两个相关单元格之间的线段对缝隙区域进行增补以确保网格序列中没有间隙，同时计算增补网格的相关语义信息。

4.根据权利要求1所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤3包括以下步骤：步骤3.1：将测试轨迹的轨迹点添加到自适应窗口末尾；

步骤3.2：判断自适应窗口长度，若为1，则转到步骤3.3，若大于或等于2，转到步骤3.4；

步骤3.3：在历史工作数据集剪枝之一；

步骤3.4：在历史工作数据集剪枝之二。

5.根据权利要求4所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤3.3包括以下步骤：步骤3.3.1：依次从历史工作数据集中的网格序列中取出单元格；

步骤3.3.2：使用编辑距离计算取出的单元格与自适应窗口中单元格的相似度，将单元格中的所有信息划分为空间信息，时间信息，以及语义信息；

在空间信息中，由于网格序列增广方法的简单性，增强轨迹可能不完全准确，因此，在检测两个单元格空间信息的相似性过程中，若两个单元格互为邻近单元格，则认为两个单元格在空间信息中编辑距离为0，否则认为编辑距离为1，空间约束下的编辑距离表达式如下所示：；

其中表示历史工作数据集中单元格，表示自适应窗口中轨迹点生成的单元格；

在时间和语义信息中不要求严格相等，若二者相差在一定范围内则认为编辑距离为0，否则为1，语义条件约束下的编辑距离表达式如下所示：；

其中表示历史工作数据集中单元格大的第k维语义，表示自适应窗口中轨迹点生成的单元格的第k维语义，表示阈值；

两个单元格之间的编辑距离表达式如下所示：；

其中表示历史工作数据集中单元格，表示自适应窗口中轨迹点生成的单元格，若两个单元格在第一维语义条件约束下表现为相似，则，否则；

步骤3.3.3：若该单元格与自适应窗口中单元格相似度大于阈值，则将网格序列添加到新的工作数据集中，新的工作数据集表达式如下所示：。

6.根据权利要求5所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤3.4包括以下步骤：步骤3.4.1：依次从历史工作数据集中的网格序列中取出单元格，步骤3.4.2：使用编辑距离计算取出的单元格与自适应窗口中单元格的相似度，两个单元格之间的编辑距离表达式如下所示：；

其中表示历史工作数据集中单元格，表示自适应窗口中轨迹点生成的单元格，若两个单元格在第一维语义条件约束下表现为相似，则，否则；

步骤3.4.3：若该单元格与自适应窗口中单元格相似度大于阈值，则计算出该单元格在网格序列中出现的序号；

步骤3.4.4：计算出与自适应窗口中倒数第二个单元格相似的单元格在网格序列中的序号；

步骤3.4.5：若两个单元格在网格序列中以正确的顺序出现，则将网格序列添加到新的工作数据集中，其表达式如下所示:；

其中表示网格在轨迹中出现的序号。

7.根据权利要求1所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤4包括以下步骤：步骤4.1：计算历史工作数据集和新的工作数据集大小；

步骤4.2：计算支持度；支持度表达式如下所示：；

其中表示工作数据集中轨迹数量。

8.根据权利要求1所述的一种顾及语义的轨迹数据异常检测方法，其特征在于：所述步骤5.3包括以下步骤：步骤5.3.1：将检测点加入到异常点集中，并计算异常值；

步骤5.3.2：将历史轨迹工作集重置为最初的历史轨迹工作集；

步骤5.3.2：重置自适应窗口，仅保留最后添加的网格；

步骤5.3.4：转到步骤3。