近年来,随着GPS设备的普及和移动互联网技术的发展,云端数据中心收集的移动对象的轨迹数据规模呈指数级增长。这些数据蕴含着大量可检索信息,可为基于位置服务提供重要的数据源。通过挖掘和分析轨迹数据,可以规划出行方案,了解交通规律,分析人们的行为等。然而海量的轨迹数据无疑会对轨迹的分析、存储、查询和计算造成严重负担。因此,如何对时空轨迹数据进行有效压缩,及面向压缩轨迹数据的高效查询成为了重要的研究内容。为解决上述问题,本文提出一种面向压缩车辆轨迹的路径空间查询算法,并实现了相应的系统原型。具体工作如下:在轨迹数据压缩方面,由基于Stroke路段的压缩编码和哈希编码构成本文压缩数据。轨迹数据时空压缩过程为:首先,将原始轨迹点地图匹配到道路网上,并根据Stroke道路层次结构得到基于Stroke路段的压缩编码,实现了轨迹空间数据压缩;其次,利用开放窗口算法提取轨迹关键变速点,实现了轨迹时间数据压缩;最后,构建了一种哈希编码用于建立轨迹空间和时间数据之间联系,实现了车辆轨迹的时空数据集成压缩。在索引结构的构建及轨迹查询方面,首先,利用后缀数组对车辆轨迹的基于Stroke路段的压缩编码构建空间索引结构。后缀数组是一个只需存储长度与原字符串长度相同的索引数组,占存储空间较小,可以有效提高轨迹查询效率。其次,以此索引结构为基础,借鉴字符串近似模式匹配算法,设计了车辆轨迹所对应路径的点信息查询算法、基于后缀数组的严格子路径查询算法及基于动态规划的的相似路径查询算法。其中,轨迹的相似程度使用最长公共子序列来计算。最后,以上述查询算法为基础,实现了面向压缩车辆轨迹的路径查询原型系统。基于以上研究,以南京市的道路网及大规模出租车轨迹数据为实例,开展了实验研究。实验结果表明,针对原始轨迹点空间数据,本文的压缩编码方法压缩比可以达到97:1,与常规的基于路段编码方式相比,本文压缩编码在车辆轨迹的点信息路径查询方面,查询效率可以提升约2倍;在车辆轨迹的严格子路径查询方面,查询效率可以提升约8倍;在车辆轨迹的相似路径查询方面,查询耗时增长率减少了50%。本文方法对于大规模车辆轨迹的数据管理具有十分重要的基础性作用。