现有轨迹相似性度量缺乏对时空语义和时间随机性的考虑,不能有效地区分移动对象的社会角色。为解决这一问题,做了如下工作：1)提出了时空关联语义(spatial-temporal associated semantics, STAS)的概念,解释了轨迹的语义相似性规律,即两条轨迹的语义相似性与其在某时段内经过同类型区域的概率正相关；2)提出了时态熵(temporal entropy)的概念,度量了轨迹经过同一类型区域的时间随机性；3)基于STAS和时态熵,给出轨迹语义相似性度量(trajectory semantic similarity,TSS),刻画了轨迹所属移动对象的社会角色的时空特征；4)提出了移动对象社会角色发现算法(social roles discovering algorithm,SRDA),该算法基于TSS实现轨迹聚类,其中一个聚簇代表一种社会角色。真实数据和仿真数据上的实验表明,SRDA在准确率上比现有方法平均提高了18％,同时具有线性时间复杂度,从而验证了算法的有效性和性能。