1、隨著數(shù)據(jù)采集硬件技術(shù)的進(jìn)步，位置信息獲取設(shè)備日益普及，產(chǎn)生了海量的地理位置數(shù)據(jù)和時空數(shù)據(jù)等。對這些數(shù)據(jù)的研究是數(shù)據(jù)挖掘的重要研究內(nèi)容，其中，時空數(shù)據(jù)的事件檢測是時空數(shù)據(jù)挖掘的一個重要研究內(nèi)容。本文研究基于位置信息的事件檢測，目的是通過對位置特征信息的統(tǒng)計(jì)分析來檢測是否發(fā)生事件。本文的主要思想是特定時間段內(nèi)乘坐出租車到達(dá)特定位置的人數(shù)反映了人類的活動規(guī)律，正常情況下是比較平穩(wěn)的，當(dāng)某些異常事件發(fā)生，以至于引起所在時間段內(nèi)乘坐出租車到達(dá)該區(qū)

2、域的人數(shù)相比于該區(qū)域不同日期相同時間段的人數(shù)發(fā)生明顯變化時，通過檢測這些異常來檢測事件?；谖恢眯畔⒌氖录z測主要包括三部分內(nèi)容：位置特征信息提??；原始事件檢測；復(fù)雜事件合成檢測。
　　為了提取出特定位置的特征信息，提出了區(qū)域離散化的概念，然后通過區(qū)域離散化，把GPS軌跡轉(zhuǎn)變成區(qū)域軌跡，最后，從區(qū)域軌跡中提取出位置特征信息，為后續(xù)原始事件檢測和復(fù)雜事件合成奠定基礎(chǔ)。此外，本文中區(qū)域離散化的思想以及對GPS軌跡的處理方法也適用于軌跡

3、數(shù)據(jù)挖掘的其他研究。
　　討論了原始事件的檢測。首先，對原始事件檢測問題進(jìn)行了分析描述，對比了本文中原始事件檢測與其它特定類型事件檢測方法的不同之處，分析了彼此的優(yōu)缺點(diǎn)。其次，提出了共性異常的概念，在共性異常的基礎(chǔ)上，給出了原始事件的定義和原始事件的形式化描述。再次，對原始事件檢測結(jié)果的噪聲過濾方法進(jìn)行了討論，提出了原始事件噪聲過濾方法。然后，講述了本文中使用混合高斯模型實(shí)現(xiàn)聚類的方法。最后，提出了基于聚類的原始事件檢測算法，包括

4、算法設(shè)計(jì)和算法流程圖等。
　　討論了復(fù)雜事件的合成檢測。首先，從復(fù)雜事件與原始事件的關(guān)系和復(fù)雜事件如何合成檢測兩個角度，給出了復(fù)雜事件合成檢測的問題描述，并給出了復(fù)雜事件的定義。其次，討論了復(fù)雜事件合成檢測中的一個重點(diǎn)——空間區(qū)域鄰接關(guān)系，建立了空間區(qū)域鄰接關(guān)系矩陣。最后，提出了復(fù)雜事件合成檢測算法，詳細(xì)講述了算法的設(shè)計(jì)。
　　本文首先基于提取出的位置特征信息進(jìn)行了原始事件檢測實(shí)驗(yàn)，并對實(shí)驗(yàn)結(jié)果進(jìn)行了噪聲過濾；然后，在位置特