海量出租车轨迹数据分析与位置推荐服务
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第—章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11-13页 |
| 1.2 本文工作与主要贡献 | 第13-15页 |
| 1.3 组织结构 | 第15-16页 |
| 第二章 研究现状 | 第16-21页 |
| 2.1 基于位置的服务发展现状 | 第16-17页 |
| 2.2 轨迹数据挖掘研究现状 | 第17-20页 |
| 2.2.1 轨迹数据的处理 | 第18-19页 |
| 2.2.2 基于轨迹数据的知识发现和推荐 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 海量轨迹数据分布式处理 | 第21-38页 |
| 3.1 出租车轨迹数据介绍 | 第21-22页 |
| 3.2 路网数据介绍 | 第22-24页 |
| 3.3 分布式轨迹预处理 | 第24-26页 |
| 3.3.1 分布式处理框架 | 第24-25页 |
| 3.3.2 基于规则的轨迹处理 | 第25-26页 |
| 3.4 路网匹配 | 第26-37页 |
| 3.4.1 相关工作 | 第26-29页 |
| 3.4.2 动态适应的路网匹配算法 | 第29-35页 |
| 3.4.3 实验结果与总结 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于聚类的兴趣点发现 | 第38-52页 |
| 4.1 预备知识 | 第38-40页 |
| 4.1.1 POI与ROI | 第38-39页 |
| 4.1.2 基于位置的聚类算法 | 第39-40页 |
| 4.2 候选扬招POI发现 | 第40-48页 |
| 4.2.1 基于密度聚类的候选扬招位置点发现 | 第41-45页 |
| 4.2.2 实验与结果分析 | 第45-48页 |
| 4.3 热门目的地发现 | 第48-49页 |
| 4.4 本章小结 | 第49-52页 |
| 第五章 基于出租车轨迹的位置推荐 | 第52-69页 |
| 5.1 出租车扬招点推荐系统 | 第52-57页 |
| 5.1.1 系统框架 | 第52-54页 |
| 5.1.2 特征抽取 | 第54-55页 |
| 5.1.3 路段聚类 | 第55-57页 |
| 5.2 候车时间预测与查询 | 第57-63页 |
| 5.2.1 候车时间预测模型建立 | 第57-60页 |
| 5.2.2 模型评估与选择 | 第60-62页 |
| 5.2.3 候选扬招点查询 | 第62-63页 |
| 5.3 实验及原型系统 | 第63-68页 |
| 5.3.1 实验与分析 | 第63-67页 |
| 5.3.2 扬招点位置推荐原型系统 | 第67-68页 |
| 5.4 本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 附录A TaxiHailer系统展示 | 第71-74页 |
| 参考文献 | 第74-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间发表论文和科研情况 | 第86页 |
