随着大数据时代的到来，数据量急剧增长。如何从这些海量的数据集中挖掘出有价值的信息，已经成为时空数据挖掘的一个热点问题，时空离群点检测作为时空数据挖掘的重要分支，其目的是从数据集中挖掘出时空方面的离群点。时空离群点是指与其时空邻居的非空间属性值具有明显差异的对象。识别时空离群点有助于发现一些意想不到的、有趣的和有用的知识。时空离群点检测在很多领域都有重要的应用，例如:金融领域的欺诈检测、故障诊断、网络入侵检测、交通和气象领域等等。本文提出一种时空离群点检测算法，该算法考虑空间自相关性和时空对象之间的交互关系，距离近的事物比距离远的事物之间的相关性更加紧密，所以该算法引入了空间距离权重。在时间离群点检测部分采用时间序列分析的方法来进行检测离群点。但是，在该时空离群点检测算法中，有关空间距离权重的计算量很大，无法有效处理大数据集，所以使用大数据处理平台Hadoop来提高算法的性能，因此提出了一种基于大数据平台Hadoop的时空离群点检测算法，该算法主要利用Hadoop的分布式文件系统HDFS存储海量数据集，以及并行计算框架MapReduce来实现并行计算，并对算法进行正确性、复杂性和完整性分析。在实验部分，利用宁波海潮数据集和合成数据集来验证算法的有效性和可扩展性。实验数据表明，基于Hadoop的离群点检测算法的确可以很大程度上提高时空离群点检测的效率。此外，本文的研究成果被整合到一个功能比较集中的空间数据挖掘平台，为对数据挖掘技术感兴趣的学者提供技术和经验分享的平台。