| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-24页 |
| 1.1. 论文背景 | 第14-16页 |
| 1.1.1. 课题来源 | 第14-16页 |
| 1.2. 研究的目的与意义 | 第16-18页 |
| 1.2.1. LBS数据的研究对空间数据挖掘的意义 | 第16-17页 |
| 1.2.2. 并行计算处理的必要性 | 第17-18页 |
| 1.3. 国内外研究现状 | 第18-24页 |
| 1.3.1. 针对LBS信息应用的研究现状 | 第18-20页 |
| 1.3.2. 并行计算的研究现状 | 第20-24页 |
| 第二章 LBS数据结构及分布式运算 | 第24-36页 |
| 2.1. LBS数据的分类 | 第24-27页 |
| 2.2. LBS数据的特征 | 第27-29页 |
| 2.2.1. 时间属性 | 第28页 |
| 2.2.2. 空间属性 | 第28-29页 |
| 2.2.3. 对象ID | 第29页 |
| 2.3. 典型的分析与应用 | 第29-30页 |
| 2.4. 分布式计算框架MapReduce简述 | 第30-34页 |
| 2.5. MapReduce编程模型 | 第34-36页 |
| 第三章 空间聚类算法的复杂空间关系概念化模型 | 第36-46页 |
| 3.1. 空间聚类 | 第36-37页 |
| 3.2. 空间聚类算法分类与选择 | 第37-39页 |
| 3.3. 空间关系概念化 | 第39-43页 |
| 3.4. 适用于复杂空间聚类的空间关系概念化模型 | 第43-44页 |
| 3.5. 空间自相关 | 第44-46页 |
| 第四章 LBS数据进行空间聚类的实现 | 第46-64页 |
| 4.1. 使用MapReduce对LBS数据进行聚合的算法描述及实现 | 第46-53页 |
| 4.1.1. 前提条件 | 第47-48页 |
| 4.1.2. 算法实现步骤 | 第48-53页 |
| 4.2. 空间聚类分析 | 第53-59页 |
| 4.2.1. 空间自相关 | 第53-57页 |
| 4.2.2. 空间聚类算法的实现 | 第57-59页 |
| 4.3. 聚类分析结果 | 第59-64页 |
| 4.3.1. 最高时速聚类分析 | 第59-60页 |
| 4.3.2. 平均时速聚类分析 | 第60-61页 |
| 4.3.3. 总体车辆数聚类分析 | 第61-62页 |
| 4.3.4. 运行中的车辆数聚类分析 | 第62-64页 |
| 第五章 城市交通状态数据分析系统的设计及实现 | 第64-72页 |
| 5.1. 系统的设计与实现 | 第64-70页 |
| 5.1.1. 后台数据处理部分 | 第64-67页 |
| 5.1.2. 前台分析展示模块 | 第67-70页 |
| 5.2. 系统总结 | 第70-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-78页 |
| 作者和导师简介 | 第78-79页 |
| 附件 | 第79-80页 |