基于NoSQL数据库的大规模轨迹数据管理和聚类分析方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第8-13页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 研究目标与内容 | 第11-13页 |
| 第2章 轨迹数据管理和聚类分析的相关技术 | 第13-17页 |
| 2.1 MongoDB概述 | 第13-15页 |
| 2.1.1 分布式NoSQL介绍 | 第13页 |
| 2.1.2 MongoDb的优势和特点 | 第13-15页 |
| 2.2 轨迹索引处理技术 | 第15页 |
| 2.3 轨迹查询处理技术 | 第15-16页 |
| 2.4 轨迹聚类分析技术 | 第16-17页 |
| 第3章 大规模轨迹数据的分布式存储及应用 | 第17-27页 |
| 3.1 轨迹存储组织结构 | 第17-18页 |
| 3.2 分布式存储及查询优化 | 第18-20页 |
| 3.2.1 负载均衡机制 | 第18-20页 |
| 3.2.2 简单查询优化 | 第20页 |
| 3.3 分布式存储应用模块 | 第20-26页 |
| 3.3.1 轨迹数据导入模块 | 第20-22页 |
| 3.3.2 轨迹索引模块 | 第22-24页 |
| 3.3.3 轨迹查询测试模块 | 第24-26页 |
| 3.3.4 轨迹聚类分析模块 | 第26页 |
| 3.4 本章小结 | 第26-27页 |
| 第4章 内外存联动的轨迹R树混合索引 | 第27-43页 |
| 4.1 轨迹索引思路和结构 | 第27-31页 |
| 4.1.1 轨迹索引R树 | 第28页 |
| 4.1.2 轨迹索引哈希表 | 第28-30页 |
| 4.1.3 轨迹索引B树 | 第30-31页 |
| 4.2 轨迹索引分析 | 第31-33页 |
| 4.2.1 查询需求分析 | 第31页 |
| 4.2.2 轨迹索引操作流程 | 第31-32页 |
| 4.2.4 轨迹索引插入算法 | 第32-33页 |
| 4.3 轨迹索引设计 | 第33-38页 |
| 4.3.1 模块整体结构设计 | 第34-35页 |
| 4.3.2 索引数据结构设计 | 第35-37页 |
| 4.3.3 时空查询设计 | 第37-38页 |
| 4.4 实验数据的生成 | 第38-40页 |
| 4.4.1 时空数据生成器介绍 | 第38-39页 |
| 4.4.2 生成器参数设置 | 第39页 |
| 4.4.3 实验数据生成结果 | 第39-40页 |
| 4.5 轨迹查询测试 | 第40-42页 |
| 4.5.1 测试环境 | 第40-41页 |
| 4.5.2 索引创建的时间性能和存储效率 | 第41页 |
| 4.5.3 时空范围查询处理 | 第41-42页 |
| 4.5.5 测试总结 | 第42页 |
| 4.6 本章小结 | 第42-43页 |
| 第5章 基于密度的大规模轨迹聚类分析 | 第43-59页 |
| 5.1 问题定义 | 第43页 |
| 5.2 轨迹划分 | 第43-45页 |
| 5.3 相似性度量 | 第45-48页 |
| 5.3.1 相似度定义 | 第45-46页 |
| 5.3.2 相似度计算 | 第46-48页 |
| 5.4 轨迹聚类分析 | 第48-53页 |
| 5.4.1 轨迹聚类分析相关定义 | 第48-49页 |
| 5.4.2 基于轨迹R树的局部邻近查找 | 第49-51页 |
| 5.4.3 轨迹聚类分析算法 | 第51-53页 |
| 5.5 轨迹聚类分析测试 | 第53-58页 |
| 5.5.1 测试环境 | 第53页 |
| 5.5.2 聚类评估方法 | 第53-54页 |
| 5.5.3 局部轨迹邻近查找分析 | 第54-56页 |
| 5.5.4 轨迹聚类分析 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文工作总结及创新点 | 第59页 |
| 6.2 进一步研究方向 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 在读期间公开发表论文（著）及科研情况 | 第66页 |
