研究120院前急救事件的时空特征,为急救中心优化医疗资源配置提供了科学依据,对提高急救中心的决策能力,具有重要的现实意义。120院前急救事件数据中的信息日益庞杂,使用传统的空间数据挖掘的方法已经很难分析出120院前急救事件背后隐藏的时空分布模式。本文主要从数据挖掘方法上进行改进,设计合适的时空聚类方法,主要研究内容如下:在总结和思考时空数据挖掘研究的基础上,针对现有聚类方法在处理大数据时普遍存在的计算效率低、聚类效果差和无法获得任意形状聚类结果等问题,通过对120院前急救事件数据进行时空探索性分析,以数据为驱动,以业务为导向,本文结合了密度聚类、层次聚类和时空立方体的思想,设计出了适合时空大数据挖掘的时空聚类方法。该方法根据密度进行初步分区,提高了算法的运行效率;通过设定噪音阈值对噪音进行处理,减少了算法对噪音敏感性,并使得聚类结果不会局限于某一种特定形状。将本文设计的方法应用于120院前急救事件数据的时空数据挖掘中,将聚类结果进行可视化分析与对比,发现该方法能有效的结合密度聚类、层次聚类和时空立方体的思想,在处理大数据的情况下,相对于传统的聚类算法,聚类效率和聚类质量上有着明显的提高,实现了120院前急救事件数据的高效率和高质量聚类,说明新算法在处理120院前急救事件这类时空数据的处理上具有一定的优势。