基于时空约束的城市热点区域与热点路径挖掘
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容与目标 | 第14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 相关技术研究 | 第16-22页 |
| 2.1 轨迹数据研究概述 | 第16-18页 |
| 2.2 轨迹数据采集 | 第18页 |
| 2.3 轨迹数据存储 | 第18-19页 |
| 2.4 轨迹数据检索 | 第19-20页 |
| 2.5 移动模式挖掘 | 第20-21页 |
| 2.6 轨迹分类 | 第21页 |
| 2.7 本章小结 | 第21-22页 |
| 3 轨迹数据预处理 | 第22-36页 |
| 3.1 数据集描述 | 第22-23页 |
| 3.2 研究区域介绍 | 第23页 |
| 3.3 相关定义 | 第23-26页 |
| 3.4 数据预处理与数据准备 | 第26-34页 |
| 3.4.1 数据降维 | 第26页 |
| 3.4.2 清理冗余数据 | 第26页 |
| 3.4.3 剔除噪声数据 | 第26-27页 |
| 3.4.4 地图匹配 | 第27-30页 |
| 3.4.5 提取载客点和卸客点 | 第30-32页 |
| 3.4.6 轨迹压缩 | 第32-34页 |
| 3.5 本章小结 | 第34-36页 |
| 4 基于网格密度的热点区域挖掘 | 第36-54页 |
| 4.1 算法思想 | 第37-38页 |
| 4.1.1 基于密度的方法 | 第37-38页 |
| 4.1.2 网格划分的方法 | 第38页 |
| 4.2 基于网格密度的GScan聚类算法 | 第38-46页 |
| 4.2.1 算法的相关定义 | 第39-43页 |
| 4.2.2 GScan算法详细流程 | 第43-46页 |
| 4.2.3 算法时间复杂度分析 | 第46页 |
| 4.3 实验结果与分析 | 第46-53页 |
| 4.3.1 实验硬软件环境 | 第46页 |
| 4.3.2 实验数据 | 第46页 |
| 4.3.3 对比实验 | 第46-47页 |
| 4.3.4 热点区域挖掘 | 第47-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 基于时空轨迹聚类的热点路径挖掘 | 第54-76页 |
| 5.1 轨迹语义特性分析 | 第55-57页 |
| 5.2 轨迹的时空相似性度量 | 第57-64页 |
| 5.2.1 空间相似性度量 | 第57-60页 |
| 5.2.2 时间相似性度量 | 第60-63页 |
| 5.2.3 时空相似性度量 | 第63-64页 |
| 5.3 基于时空相似性的轨迹聚类算法 | 第64-69页 |
| 5.3.1 算法的相关定义 | 第64-65页 |
| 5.3.2 ST-TCLUS算法详细流程 | 第65-69页 |
| 5.3.3 算法时间复杂度分析 | 第69页 |
| 5.4 实验结果与分析 | 第69-75页 |
| 5.4.1 实验数据 | 第69页 |
| 5.4.2 对比实验 | 第69-72页 |
| 5.4.3 参数讨论 | 第72页 |
| 5.4.4 热点路径挖掘 | 第72-75页 |
| 5.5 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 研究工作总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-86页 |
| 附录 | 第86页 |
| A. 作者在攻读硕士学位期间发表的论文目录 | 第86页 |
| B. 作者在攻读硕士学位期间发表的发明专利 | 第86页 |
| C. 作者在攻读硕士学位期间所获奖项 | 第86页 |
| D. 攻读学位期间参加的科研项目 | 第86页 |
