從出租車GPS軌跡數(shù)據(jù)中可挖掘出豐富的居民出行規(guī)律信息，但數(shù)據(jù)量的不斷增加，對數(shù)據(jù)挖掘的準確性和效率提出了新的要求。本文以成都市出租車GPS軌跡數(shù)據(jù)為研究對象，首先對原始數(shù)據(jù)進行失真數(shù)據(jù)剔除、多余字段刪除和部分時段數(shù)據(jù)過濾三方面的預處理，其次進行地圖匹配，最后利用Spark大數(shù)據(jù)處理平臺，實現(xiàn)K-Means||算法，分為工作日和休息日的不同時段進行挖掘分析，得到成都市居民出行熱點區(qū)域及其時空分布特征，并將單機K-Means算法和K-Means||算法的性能進行對比分析，結(jié)果表明：相比于單機，K-Means||算法在準確性和時間效率上具有優(yōu)越性。

　　隨著城市中出租車數(shù)量的不斷增多，GPS 衛(wèi)星定位技術(shù)的不斷發(fā)展與普及，裝有車載GPS 的出租車在行駛過程中產(chǎn)生了大量的出租車軌跡數(shù)據(jù)，記錄了車輛的位置、時間、方位和速度等信息，通過挖掘出租車GPS 軌跡數(shù)據(jù)可用于分析車輛移動軌跡特征、預測交通流、改善交通服務，對城市交通管理、道路規(guī)劃具有重要意義。

　　城市熱點區(qū)域通常是人流量大、商業(yè)發(fā)達、經(jīng)濟水平發(fā)展高的中心地區(qū)，利用出租車軌跡數(shù)據(jù)提取城市熱點區(qū)域的方法主要有根據(jù)數(shù)據(jù)場勢值閾值法探測軌跡點的聚集模式進行提取，基于高斯定律的軌跡挖掘方法，將軌跡轉(zhuǎn)換為網(wǎng)格序列進行聚類。但由于出租車GPS 軌跡數(shù)據(jù)數(shù)量龐大且分布狀態(tài)多樣，因此對軌跡數(shù)據(jù)挖掘的方法提出了新的要求，需要研究高效的分布式并行軌跡數(shù)據(jù)挖掘算法。借鑒傳統(tǒng)研究方法之后，結(jié)合現(xiàn)在流行的Spark 大數(shù)據(jù)處理平臺，優(yōu)化K-Means 聚類算法，將成都市出租車GPS 軌跡數(shù)據(jù)進行研究，挖掘分析工作日休息日不同時段的數(shù)據(jù)，得到居民出行熱點區(qū)域及其分布特點，并將單機K-Means 算法和K-Means||算法的時間效率進行對比，結(jié)果表明后者在處理大數(shù)據(jù)量的時間效率上有較好的效果。