| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 移动轨迹数据挖掘研究现状 | 第11-13页 |
| 1.2.2 轨迹聚类研究现状 | 第13页 |
| 1.2.3 研究中存在的问题 | 第13-14页 |
| 1.3 研究目的 | 第14-15页 |
| 1.4 论文内容结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 2 移动轨迹数据挖掘基本理论 | 第17-23页 |
| 2.1 移动轨迹数据挖掘概述 | 第17-18页 |
| 2.2 出租车GPS数据采集 | 第18页 |
| 2.3 查询与索引 | 第18-19页 |
| 2.4 轨迹隐私保护 | 第19-20页 |
| 2.5 轨迹数据可视化 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 3 出租车轨迹数据预处理 | 第23-37页 |
| 3.1 研究区域概况 | 第23-24页 |
| 3.2 数字地图选取 | 第24-25页 |
| 3.3 地图匹配 | 第25-26页 |
| 3.4 轨迹数据清洗 | 第26-29页 |
| 3.4.1 保留有效字段 | 第27-28页 |
| 3.4.2 冗余数据清理 | 第28页 |
| 3.4.3 噪声数据剔除 | 第28-29页 |
| 3.5 轨迹划分 | 第29-31页 |
| 3.6 轨迹压缩 | 第31-35页 |
| 3.6.1 轨迹压缩原理和方法介绍 | 第31-33页 |
| 3.6.2 VSC Douglas-Peucker轨迹压缩算法 | 第33-35页 |
| 3.7 出租车上下车轨迹点提取 | 第35-36页 |
| 3.8 本章小结 | 第36-37页 |
| 4 基于出租车轨迹的聚类算法研究 | 第37-48页 |
| 4.1 车辆轨迹相关定义 | 第37-38页 |
| 4.2 几种常见的相似性度量方法介绍 | 第38-40页 |
| 4.2.1 欧式距离 | 第38-39页 |
| 4.2.2 DTW距离 | 第39页 |
| 4.2.3 基于MBR距离 | 第39页 |
| 4.2.4 Hausdorff距离 | 第39-40页 |
| 4.2.5 EDR距离 | 第40页 |
| 4.3 基于LCS的轨迹相似性度量 | 第40-42页 |
| 4.3.1 采样点空间相似度计算 | 第41页 |
| 4.3.2 子轨迹相似度计算 | 第41页 |
| 4.3.3 轨迹相似度计算 | 第41-42页 |
| 4.4 考虑海拔高度简化特殊轨迹的相似度计算 | 第42-43页 |
| 4.5 LCS-BASED DBSCAN轨迹聚类算法 | 第43-45页 |
| 4.6 对比实验 | 第45-47页 |
| 4.6.1 效率对比实验 | 第46页 |
| 4.6.2 参数对比实验 | 第46-47页 |
| 4.7 本章小结 | 第47-48页 |
| 5 居民出行热点路径和区域挖掘 | 第48-63页 |
| 5.1 实验架构和数据流 | 第48-49页 |
| 5.2 LCS-BASED HRE热点路径提取算法 | 第49-51页 |
| 5.3 居民出行热点路径挖掘 | 第51-54页 |
| 5.3.1 早高峰 | 第52页 |
| 5.3.2 午间 | 第52-53页 |
| 5.3.3 晚高峰 | 第53-54页 |
| 5.4 上下车热点区域挖掘 | 第54-62页 |
| 5.5 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 6.1 论文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
| A. 作者在攻读硕士学位期间从事的科研工作及取得的科研成果 | 第70页 |
