生活中居住在节奏很快的城市生活中的人们总会在各种地方遇到各种计划或未计划到的事件，人们很可能被没有预见的事件延误或耽搁。本地事件探测成为了一种生活需求。随着社交网络的发展和智能手机的普及，带地理位置标签的数据也使得这种本地事件探测系统可以提供给人们一些准确的正在发生的事件信息。本文将主要讨论一个基于带地理标签的Twitter数据的本地事件探测系统的设计与实现。该系统可以自动根据社交网络Twitter中的实时数据来探测相应地理位置区域内的本地事件。探测结束后，本地事件结果会以地图标注的形式显示给用户。为了达到更高的探测精度，本文中的本地事件探测系统采用了一定的数据挖掘策略，首先抓取源数据信息并对候选事件进行提取，其次根据候选事件的特征将本地事件筛选出来。第一种策略采用聚类的方式，第二种策略是通过对本地事件特征的训练来进行分类。事件探测的准确性会在这两种策略的支持下提升。本文的另一个关键点是对于DBSCAN聚类算法和逻辑回归分类算法的实现。传统的两种算法都是在单机上运行的，而为了应对社交网络中所可能产生的大量无结构数据，两种算法都是在MapReduce框架上的设计和实现。从而使系统可以应对社交大数据，并能有更好的表现本文详细描述了对基于带地理标签的Twitter数据的本地事件探测系统的开发周期：需求分析，系统设计，系统实现以及系统的测试和部署。并在技术要点中详细介绍了本地事件探测算法，DBSCAN聚类算法以及逻辑回归分类算法的设计与实现。