空间数据挖掘(Spatial Data Mining)是近年来发展起来的具有广泛应用前景的数据挖掘技术。根据美国国家航空航天局的统计,有80%以上的数据与地理位置有关,而其中的空间网络活动在许多应用领域中扮演着重要的角色,例如：灾难响应、状态评估以及犯罪行为分析等方面。在灾难响应中,对空间网络活动的总结可以在自然灾害发生后被用来提供救援帮助。因此本文提出空间路径聚类算法,其主要研究内容包括：在研究空间数据挖掘和基于划分方法的聚类分析的基础上提出了一种新颖的聚类算法,称为k-主路径(K-Main Routes, KMR)算法,该算法采用基于路径的方式来寻找分布着许多簇活动点的空间网络中的主路径。其中,定义了簇活动的兴趣度,它是基于一种被称为事件活动的新型兴趣度度量方法,它被用来记录在空间网路中每条最短路径上的事件数,并分析了其合理性；同时给出了路径聚类算法的建模,并分析模型的正确性、完整性和复杂性。在此基础上给出一个详尽的研究实例和实验结果及分析。根据空间网络的时间连续性特点,引入了时间粒度这样一个概念,并使用真实数据在MapStudio实验平台下做出了实验结果,并分析其有效性。