| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 国外研究现状 | 第8-9页 |
| 1.2.2 国内研究现状 | 第9-12页 |
| 1.2.3 研究评述 | 第12页 |
| 1.3 研究目的与意义 | 第12-13页 |
| 1.4 研究内容及框架 | 第13-16页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 研究技术路线 | 第14-16页 |
| 第二章 出租汽车轨迹数据概述 | 第16-22页 |
| 2.1 出租汽车轨迹数据定义及语义化 | 第16-18页 |
| 2.1.1 出租汽车轨迹的定义 | 第16页 |
| 2.1.2 出租汽车轨迹数据相关概念 | 第16-17页 |
| 2.1.3 出租汽车轨迹数据语义化模型 | 第17-18页 |
| 2.2 出租汽车轨迹数据的存储及预处理 | 第18-20页 |
| 2.2.1 出租汽车轨迹数据的获取和存储 | 第18页 |
| 2.2.2 出租汽车轨迹数据误差分析 | 第18-19页 |
| 2.2.3 出租汽车轨迹数据修正 | 第19-20页 |
| 2.3 出租汽车上下车点判别及地图匹配 | 第20-21页 |
| 2.3.1 上下车点判别 | 第20-21页 |
| 2.3.2 地图匹配 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 空间数据及时间序列数据挖掘相关理论概述 | 第22-32页 |
| 3.1 空间数据挖掘理论 | 第22-27页 |
| 3.1.1 空间数据挖掘定义和特点 | 第22-23页 |
| 3.1.2 空间数据挖掘过程 | 第23-24页 |
| 3.1.3 空间数据挖掘知识类型 | 第24-26页 |
| 3.1.4 空间数据挖掘方法 | 第26-27页 |
| 3.2 时间序列数据挖掘理论 | 第27-29页 |
| 3.2.1 时间序列数据挖掘定义 | 第27页 |
| 3.2.2 相似性度量研究方法 | 第27-29页 |
| 3.2.3 聚类问题研究方法 | 第29页 |
| 3.3 出租汽车载客热点区域挖掘理论框架 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第四章 出租汽车载客热点区域挖掘算法研究 | 第32-40页 |
| 4.1 DBSCAN算法 | 第32-34页 |
| 4.1.1 DBSCAN算法描述 | 第32-33页 |
| 4.1.2 Eps参数确定 | 第33-34页 |
| 4.1.3 MinPts参数确定 | 第34页 |
| 4.2 K-Means算法 | 第34-36页 |
| 4.2.1 K-Means算法描述 | 第34-35页 |
| 4.2.2 k值确定 | 第35-36页 |
| 4.3 基于DTW的时间序列聚类算法 | 第36-38页 |
| 4.3.1 DTW算法原理 | 第36-37页 |
| 4.3.2 时序数据归一化 | 第37-38页 |
| 4.4 本章小结 | 第38-40页 |
| 第五章 西安市出租汽车载客热点区域挖掘 | 第40-52页 |
| 5.1 西安市基本概况 | 第40页 |
| 5.2 基于出租汽车轨迹数据的出行活动特征分析 | 第40-42页 |
| 5.2.1 日出行总次数统计 | 第40-41页 |
| 5.2.2 日出行时间统计 | 第41-42页 |
| 5.3 出租汽车载客热点区域判别 | 第42-45页 |
| 5.3.1 参数选定 | 第43-44页 |
| 5.3.2 基于DBSCAN算法的出租汽车载客热点聚类 | 第44-45页 |
| 5.4 出租汽车载客热点区域分类 | 第45-48页 |
| 5.4.0 特征值提取 | 第45页 |
| 5.4.1 参数选定 | 第45-46页 |
| 5.4.2 基于KNN算法的出租汽车载客热点时序数据聚类 | 第46-48页 |
| 5.5 出租汽车载客热点区域的城市公共汽车站点分布现状分析 | 第48-49页 |
| 5.5.1 城市公共汽车POI获取 | 第48页 |
| 5.5.2 出租汽车载客热点区域的城市公共汽车POI匹配 | 第48-49页 |
| 5.6 本章小结 | 第49-52页 |
| 结论 | 第52-54页 |
| 主要研究结论 | 第52页 |
| 论文主要创新之处 | 第52-53页 |
| 有待进一步解决的问题 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-60页 |
| 致谢 | 第60页 |
