| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 出租车轨迹数据研究现状 | 第11-12页 |
| 1.2.2 异常轨迹检测研究现状 | 第12-13页 |
| 1.2.3 事件检测研究现状 | 第13-15页 |
| 1.2.4 现状分析和存在的问题 | 第15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织 | 第16-18页 |
| 第二章 相关理论与技术基础 | 第18-27页 |
| 2.1 轨迹数据相关知识 | 第18-20页 |
| 2.1.1 轨迹数据的来源与分类 | 第18-19页 |
| 2.1.2 轨迹的组成 | 第19-20页 |
| 2.2 轨迹数据分析 | 第20-23页 |
| 2.2.1 轨迹数据分析方法 | 第20-22页 |
| 2.2.2 轨迹数据分析的城市应用 | 第22-23页 |
| 2.3 聚类分析与异常检测 | 第23-26页 |
| 2.3.1 聚类分析方法 | 第23-24页 |
| 2.3.2 异常检测方法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 出租车异常轨迹模式发现 | 第27-41页 |
| 3.1 相关定义 | 第27-29页 |
| 3.2 异常轨迹模式发现 | 第29-35页 |
| 3.2.1 轨迹预处理 | 第29-31页 |
| 3.2.2 基于线段Hausdorff距离的轨迹空间相似性度量 | 第31-33页 |
| 3.2.3 轨迹聚类与异常轨迹检测方法 | 第33-35页 |
| 3.3 实验与分析 | 第35-39页 |
| 3.3.1 实验数据准备 | 第35-36页 |
| 3.3.2 实验分析 | 第36-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第四章 事件检测与分析 | 第41-56页 |
| 4.1 基于LRT的元事件检测 | 第42-46页 |
| 4.1.1 相关定义 | 第42页 |
| 4.1.2 基于LRT的异常检测方法 | 第42-44页 |
| 4.1.3 实验数据准备 | 第44-46页 |
| 4.1.4 实验与分析 | 第46页 |
| 4.2 元事件统计分析 | 第46-52页 |
| 4.2.1 元事件时空特征分析实验 | 第47-49页 |
| 4.2.2 事件过程分析实验 | 第49-51页 |
| 4.2.3 事件影响分析实验 | 第51-52页 |
| 4.3 复合时空事件的提取与分析 | 第52-55页 |
| 4.3.1 复合时空事件的提取方法 | 第52-54页 |
| 4.3.2 实验与分析 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 第五章 异常聚集行为检测 | 第56-69页 |
| 5.1 聚集行为发现 | 第56-61页 |
| 5.1.1 平均最近邻指数 | 第57-58页 |
| 5.1.2 基于平均k最近邻指数的聚集行为发现方法 | 第58-59页 |
| 5.1.3 实验与分析 | 第59-61页 |
| 5.2 聚集行为模式分析与异常检测 | 第61-64页 |
| 5.2.1 点群特征提取与相似度计算方法 | 第61-62页 |
| 5.2.2 聚集行为模式分析与异常检测方法 | 第62-64页 |
| 5.3 实验与分析 | 第64-68页 |
| 5.3.1 聚集行为模式分析实验 | 第65-67页 |
| 5.3.2 异常检测实验 | 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 |
| 6.1 论文工作总结 | 第69-70页 |
| 6.2 当前工作不足与下一步展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-78页 |
| 作者简历 | 第78页 |