1、隨著位置定位技術(shù)的快速發(fā)展，越來越多的智能終端配備了定位功能，這些終端時(shí)刻記錄著移動對象的運(yùn)動軌跡，由此逐漸形成海量的時(shí)空軌跡數(shù)據(jù)。時(shí)空軌跡匯聚模式挖掘是時(shí)空軌跡模式挖掘的重要組成部分，可廣泛應(yīng)用于經(jīng)驗(yàn)路徑推薦、交通路況預(yù)測、城市規(guī)劃、出租車服務(wù)等方面。針對目前已有的匯聚模式挖掘相關(guān)算法的不足，本文主要從模式挖掘的效果和效率進(jìn)行研究，取得如下研究成果:
　　1.提出了基于軌跡點(diǎn)聚集的匯聚模式挖掘算法CPMP(Converging

2、Pattern Mining based on Point clustering)。該算法首先定位密度峰值點(diǎn)，確定候選的匯聚中心區(qū)域，然后依次識別每個(gè)時(shí)刻的匯聚群體，按照群體匯聚的持續(xù)性要求識別匯聚模式。本文利用真實(shí)的軌跡數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了所提算法CPMP在挖掘效果和算法效率方面的優(yōu)勢。為了應(yīng)對海量軌跡數(shù)據(jù)的挖掘需求，本文在算法CPMP的基礎(chǔ)上提出基于Spark的匯聚模式并行挖掘算法PCPMP(Parallel Converging

3、Pattern Mining based on Point clustering)。該算法通過數(shù)據(jù)復(fù)制，使得每個(gè)時(shí)刻對應(yīng)的記錄都包含一個(gè)連續(xù)時(shí)間區(qū)間上的軌跡數(shù)據(jù)，然后對各個(gè)記錄利用算法CPMP并行地進(jìn)行挖掘。實(shí)驗(yàn)結(jié)果表明，算法PCPMP具有良好的擴(kuò)展性和加速比。
　　2.提出了基于軌跡段聚集的匯聚模式挖掘算法CPMS(Converging Pattern Mining based on Segment clustering)。該算

4、法首先根據(jù)移動對象運(yùn)動的漸變性，以更新的方式計(jì)算出每個(gè)時(shí)間片的演化軌跡簇，然后基于演化軌跡簇挖掘中心密集的匯聚模式。利用真實(shí)的軌跡數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了本文提出的算法CPMS的有效性和高效性。為了應(yīng)對海量軌跡數(shù)據(jù)的挖掘需求，本文在算法CPMS的基礎(chǔ)上提出了基于Spark的匯聚模式并行挖掘算法PCPMS(ParalM Converging Pattern Mining based on Segment clustering)。該算法通過按范