时至今日,时空轨迹数据正在大量产生。很多移动设备都带有了定位和无线通信功能,能够记录并向服务器返回它们的位置,因此大量受路网约束的GPS轨迹数据得以收集。随着“大数据”概念的兴起,同时轨迹数据作为大数据的一种,如何处理和分析庞大的轨迹数据集,如何更迅速地完成轨迹数据的价值“提纯”,成为了当前轨迹数据研究的难题。本文研究的是,如何综合利用聚类方法和查询算法,挖掘轨迹中蕴含的空间和时间上的规律,从而发现移动对象的运动规律和行为模式,比如发现热门路径,从而为很多研究领域(如交通管理、城市规划、用户调查等)提供辅助决策信息。本文介绍了轨迹数据挖掘领域的研究现状,通过分析路网约束条件下轨迹数据的时空特征和现有方法的不足,提出了点到点动态热门路径问题和解决方法。首先提出一种基于轨迹聚类的动态热度函数构建方法,从轨迹数据集中分析得到不同边独自的热度变化规律；然后提出了一种对应本文问题的热门路径查询算法,并给出了优化算法。算法分析和实验对比表明,该方法能够有效地发现符合实际的热门路径。