CN106377270A - 一种基于计步传感器的飞行员异常检测方法 - Google Patents

Abstract

本发明涉及一种基于计步传感器的飞行员异常检测的方法，属于数据挖掘的应用领域。本发明通过对飞行员日常生活中的行为进行异常检测，发现其异常，从而保证航空飞行的安全。利用计步传感器得到飞行员的步数信息，步数信息反映了飞行员的日常行为，飞行员的社会网络的行为也影响他们的步数信息。如果一个飞行员的步数与他的历史步数或社交网络中的他人步数有极大的不同，它是异常的可能性较大。本发明中的离群点是通过聚类算法检测到的。

Description

一种基于计步传感器的飞行员异常检测方法

技术领域

本发明涉及一种基于计步传感器的飞行员异常检测方法，属于数据挖掘的应用领域。

背景技术

航空科技的飞速发展使民航运输领域的硬件益发精良，由机械原因引起的飞行事故不断下降，而人为因素诱发的飞行安全事故所占比率却不断增加，人为因素已成为影响现代民用航空安全的核心因素。因此，密切关注飞行人员心理和生理健康对于保障民航安全和提高运行效率具有重要意义。

已有异常检测方法主要包括两大类，一类是视频监控，另一类是社会网络分析。用视频监控的方法来检测异常，是对监视场景中的异常事件或监控对象的行为进行检测与分析。但这种方法侵犯了人们的隐私，且在人群密度高的场合，目标之间互遮挡和人体自遮挡问题显得尤为突出，在拥挤人群中很难检测跟踪独立个体，获取个体运动的信息情况^[1，2]。使用社会网络监控的方法进行异常检测，人们利用社交媒体分享自己的生活见闻发表对事物的意见、观点及经验。采集文本内容，然后进行情感分析，将文本内容与情感建立联系，分析异常，但此方法的计算复杂度较高^[3，4]。

已有方法没有考虑异常检测的实用性和经济性，没有保障人们的隐私安全，被人们接受概率较低。为解决已有方法的不足，本发明用计步传感器采集飞行员的步数信息，并用聚类算法检测异常，用心情表等额外信息进行进一步分析，这使本方法可在不侵犯人们隐私的前提下，高效的检测出飞行员的异常行为，确保航空安全。

上文中提到的文献来源于如下的期刊：

[1]沈文文.视频分析中异常事件分析的应用[J].中国公共安全，2013(12)：124-128.

[2]何传阳，王平，张晓华，等.基于智能监控的中小人群异常行为检测[J].计算机应用，2016，36(6)：1724-1729.

[3]李夏.社交媒体数据分析平台的设计与实现[D].北京交通大学，2014.

[4]郭龙飞.社交网络用户隐私关注动态影响因素及行为规律研究[D].北京邮电大学，2013.

发明内容

本发明为解决的技术问题：

本发明的目的是提出一种基于计步传感器的飞行员异常检测方法，以解决在数据挖掘中传统方法无法在不侵犯人们隐私的情况下方便快捷地发现异常的问题。

本发明为解决其技术问题采用如下技术方案：

本发明为解决其技术问题采用如下技术方案，包括如下步骤：

A)建立人体运动模型，基于计步传感器采集飞行员步数信息；

B)用聚类的方法进行异常检测；

C)根据飞行员填写的心情表等附加信息进一步分析异常情况。

其中为采集飞行员步数信息，步骤A具体包括：

A1、测量人体运动时，使用三轴加速度传感器相对于其他设备来说更能准确的对运动进行检测和评估。人体的运动包括三个分量，分别是前向、竖向和侧向，传感器的三轴正好对应这三个方向。实际应用时传感器处于未知方向，所以传感器三轴测量值并不与运动的三个分量对应，而是运动加速度在传感器三轴上的投影值。加速度矢量和的大小通过如下方式计算：

$a=\sqrt{a_x^2+a_y^2+a_z^2}$

其中，a_x，a_y，a_z分别是前向，竖向和侧向加速度。

A2、根据人体运动模型和实测数据发现，人体运动的加速度呈周期性正弦变化。人在行走时，手机一般是放在口袋中的，与躯干没有相对运动，传感器的输出信号受干扰比较小，正弦波形比较干净，容易进行特征提取和步伐判断。我们可以通过检测信号波形的峰值，然后根据运动特征判断有效步伐。

其中用聚类的方法检测，步骤B包括：

B1、使用DBSCAN算法参数的设置，MinPts为同个聚类中包含的最小对象个数，这个可以根据经验以及我们实验的体情况假设，一般情况下不小于数据维度。Eps为半径参数，在以该半径组成的区域圆内，至少有MinPts个对象。Eps的设置公式如下：

$\frac{\mathrm{\π}\×{\left(Eps\right)}^2}{{\mathrm{\Π}}_{i=1}^2\left(\max \right(D(:,i))-\min (D(:,i)\left)\right)}=\frac{MinPts}{O}$

$Eps=\sqrt{\frac{{\mathrm{\Π}}_{i=1}^2\left(\max \right(D(:,i))-\min (D(:,i)\left)\right)\×MinPts}{O\×\mathrm{\π}}}$

其中，D为飞行员步数信息矩阵，O为矩阵中的对象个数。

B2、我们没有对飞行员节假日的步数信息进行异常检测，因为相比于其他时候，它是无规律，难以判断异常。步数信息反映了飞行员的日常行为，飞行员的社会网络的行为也影响他们的步数信息。如果一个飞行员的步数与他的历史步数或社交网络中的他人步数有极大的不同，它是异常的可能性较大。离群点由聚类算法检测得到。

进一步分析异常的步骤C包括：

C1、根据飞行员填写的心情和个人特殊事件记录表进一步分析异常，如上述离群点在表中有说明情况，那就排除他的异常情况。

本发明采用以上技术方案与现有技术相比，具有以下有益效果：

(1)本发明使用基于计步传感器采集到的步数信息，使得该方法能在不侵犯隐私的情况下检测飞行员异常。

(2)本发明计算复杂度低，成本低，效率高。

附图说明

图1是本发明的体系结构图。我们使用计步传感器采集到的步数信息对飞行员进行异常检测，用聚类算法得到一些明显区别于其余点的离群点，再通过心情表等进一步分析，确定异常。

图2是人体运动分量图。三个分量，分别是前向、竖向和侧向，传感器的三轴正好对应这三个方向。三轴加速度传感器能够测量空间中X轴、Y轴、Z轴的加速度，所以能够感应人体在各个方向上的振动。

图3是单位步行周期的加速度变化图。本发明将其定义为单位步行周期，运动时每一个步伐就有一个这样的加速度周期变化。某人在水平方向运动时，前向和竖向两个加速度就会发生周期性的变化，脚从弯曲到抬起，加速度的数值提高，抬起的脚放下时，加速度的数值就会相应减小。这样，在步行运动中，垂直和前进产生的加速度与时间大致为一个正弦曲线，而且在某点有一个峰值，通过对轨迹的峰值进行检测计算和加速度阀值决策，即可实时计算用户运动的步数。

具体实施方式

下面对本发明创造做进一步详细说明。

在数据挖掘研究中，异常检测是一项很重要的应用。为了增强民航的安全和效率，我们要多关注飞行员的身心健康。现存的方法主要采用视频监控或社交网络监控来发现飞行员日常生活中潜在的异常。前者存在隐私方面的问题，而后者在计算上有较大的复杂度。本发明从隐私和计算复杂度方面考虑，对飞行员日常生活中的步数信息进行分析，检测飞行员异常。步数信息反映了飞行员的日常行为，步数也受飞行员的社会网络行为的影响。我们用计步传感器采集飞行员步数信息，但由于隐私保护等原因，我们无法从市面上现存运动计步器中获得用户实时数据，因此我们自己编写一款基于加速度传感器的运动app来实现计步功能。用DBSCAN聚类算法对采集到的步数信息进行异常检测，得到离群点。离群点表示一个飞行员的步数与他的历史步数或社交网络中的他人步数有极大的不同。最后根据飞行员填写的心情和个人特殊事件记录表对异常进行深入分析，如上述离群点在表中有说明情况，那就排除他的异常情况。

下面通过实施例对本发明进行说明。

1)实施例一

本发明的实施例一介绍介绍了基于计步传感器的飞行员异常检测方法，具体步骤如下所示：

A、用三轴加速度传感器采集飞行员步行时的加速度信号；

B、通过检测信号波形的峰值，根据运动特性判断有效步伐，反映出行走的步数；

C、用聚类算法对某飞行员与其历史步数进行异常检测；

D、用聚类算法对与该飞行员有相同排班表的人员进行异常检测；

E、离群点表示一个飞行员的步数与他的历史步数或社交网络中的他人步数有极大的不同，可从步骤C或D中得到；

F、根据飞行员填写的心情和个人特殊事件记录表深入分析，如上述离群点在表中有说明情况，那就排除他的异常情况；

G、步骤F中没有解释的离群点就为异常点。

Claims (4)

1.一种基于计步传感器的飞行员异常检测方法，如下步骤：

A.建立人体运动模型，基于计步传感器采集飞行员步数信息；

B.用聚类的方法进行异常检测；

C.根据飞行员填写的心情表等附加信息进一步分析异常情况。

2.根据权利要求1所述的一种基于计步传感器的飞行员异常检测方法，其特征在于，所述步骤A具体包括：

A1.测量人体运动时，使用三轴加速度传感器相对于其他设备来说更能准确的对运动进行检测和评估。人体的运动包括三个分量，分别是前向、竖向和侧向，传感器的三轴正好对应这三个方向。实际应用时传感器处于未知方向，所以传感器三轴测量值并不与运动的三个分量对应，而是运动加速度在传感器三轴上的投影值。加速度矢量和的大小通过如下方式计算：

其中，a_x，a_y，a_z分别是前向，竖向和侧向加速度；

A2.根据人体运动模型和实测数据发现，人体运动的加速度呈周期性正弦变化。人在行走时，手机一般是放在口袋中的，与躯干没有相对运动，传感器的输出信号受干扰比较小，正弦波形比较干净，容易进行特征提取和步伐判断。我们可以通过检测信号波形的峰值，然后根据运动特征判断有效步伐。

3.根据权利要求1所述的一种基于计步传感器的飞行员异常检测方法，其特征在于，所述步骤B具体包括：

B1.本发明使用DBSCAN算法对飞行员步数信息进行异常检测，设置DBSCAN算法中的参数MinPts和Eps。MinPts为同个聚类中包含的最小对象个数，这个可以根据经验以及我们实验的体情况假设，一般情况下不小于数据维度。Eps为半径参数，在以该半径组成的区域圆内，至少有MinPts个对象。Eps的设置公式如下：

其中，D为飞行员步数信息矩阵，O为矩阵中的对象个数。

B2.我们没有对飞行员节假日的步数信息进行异常检测，因为相比于其他时候，它是无规律的，难以判断其异常。步数信息反映了飞行员的日常行为，飞行员的社会网络 的行为也影响他们的步数信息。如果一个飞行员的步数与他的历史步数或社交网络中的他人步数有极大的不同，它是异常的可能性较大。我们用聚类算法可检测出离群点。

4.根据权利要求1所述的一种基于计步传感器的飞行员异常检测方法，其特征在于，所述步骤C具体包括：

C1.根据飞行员填写的心情和个人特殊事件记录表进一步分析异常，如上述离群点在表中有说明情况，那就排除他的异常情况。