运动目标的视觉行为分析是计算机视觉领域的一个重要方向，而运动模式分析是运动目标的视觉行为分析的一个行之有效的重要方法。现有的运动模式分析的方法都是依赖于已知的场景和事先定义好的运动行为模式。我们希望能够针对不同的场景自动的构造出目标的运动行为模式。本文的主要内容就是讲述在交通场景中如何通过跟踪车辆得到的轨迹，学习出有效的运动行为模式，进而进行运动车辆的行为分析。在特定的场景中，大量的物体运动的轨迹可以反应出这个场景中物体运动的行为方式。所以在本文的行为模式学习算法中，分别根据运动车辆的轨迹的形状信息和车辆运动的速度信息对样本轨迹进行学习分类，然后给每一个类别构造成一个连续的多高斯分布行为模式模型，每个高斯分布的协方差通过这个类别的样本轨迹学习得到。基于这些学习得到的行为模式的统计模型，我们进行了对车辆的行为的分析。文中对车辆的行为分析主要集中三个方面：异常行为的检测、单个车辆的行为预测和两辆车之间的撞车预测。我们分别在模型场景和一个真实的交通路口场景进行了实验。实验结果显示了行为模式学习算法的有效性，异常检测、行为预测以及撞车预测算法的比较好的性能。