1、隨著無線通信、互聯(lián)網(wǎng)、空間定位、測量傳感等技術(shù)的迅猛發(fā)展，對移動對象的信息處理和知識獲取日益成為人們研究和關(guān)注的熱點(diǎn)，并被廣泛應(yīng)用在智能交通、手機(jī)服務(wù)、環(huán)境監(jiān)測等信息系統(tǒng)中?？呻S時(shí)隨地獲取的、呈爆炸性增長的移動數(shù)據(jù)在給我們帶來豐富信息的同時(shí)，“數(shù)據(jù)越豐富，知識反而越貧乏”的問題也日益突出。近年來，越來越多的學(xué)者認(rèn)識到，由于大部分移動對象的運(yùn)動受到時(shí)間和空間的約束，研究移動對象的運(yùn)動軌跡比研究其離散的位置更符合用戶關(guān)注的信息和知識。例如，

2、通過軌跡分析提取移動對象的運(yùn)動規(guī)律和行為模式并預(yù)測其將來的運(yùn)動狀態(tài)，可以提供更準(zhǔn)確的導(dǎo)航服務(wù)。
　　 本文研究的目的就是面向移動位置服務(wù)和智能交通領(lǐng)域，通過分析軌跡的時(shí)空特征，利用聚類方法挖掘相似運(yùn)動軌跡，從而發(fā)現(xiàn)移動對象的運(yùn)動規(guī)律和行為模式，為移動導(dǎo)航、網(wǎng)絡(luò)優(yōu)化、監(jiān)控調(diào)度等提供輔助決策信息。
　　 本文詳細(xì)介紹了聚類方法在軌跡數(shù)據(jù)挖掘領(lǐng)域的研究現(xiàn)狀，通過分析路網(wǎng)約束條件下軌跡數(shù)據(jù)的時(shí)空特征和現(xiàn)有軌跡聚類方法的不足，實(shí)現(xiàn)

3、了一種新的基于軌跡劃分和時(shí)空相似性度量的軌跡聚類方法。文中首先對擴(kuò)充時(shí)空語義后的軌跡進(jìn)行特征點(diǎn)的再選取和子軌跡劃分；然后基于子軌跡段計(jì)算軌跡間的時(shí)空相似性和時(shí)空距離；最后改進(jìn)了子軌跡聚類算法挖掘軌跡隱含的知識。算法分析和實(shí)驗(yàn)對比表明，該方法有效地降低了軌跡的存儲空間，提高了軌跡的時(shí)空相似性搜索效率，能夠有效地發(fā)現(xiàn)時(shí)空鄰近的軌跡，且有較好的可伸縮性。在理論研究的基礎(chǔ)上，本文設(shè)計(jì)并實(shí)現(xiàn)了一個基于軌跡聚類方法的智能交通軌跡分析原型系統(tǒng)，可以有