随着RS、GIS、GPS,简称3S技术的繁荣发展,时空数据作为大数据必不可少的基础,已经成为各行业发展的重要部分。随着无线通信以及全球定位技术的成长、传感器设备的使用也越来越普及,地理空间系统得到了繁荣发展。多尺度、多维度、高精度的轨迹时空数据的爆炸性增长,如何对时空数据进行高效存储、索引及管理应用已成为亟待解决的重要问题。轨迹时空数据做为GIS重要表现形式之一,其高效存储与索引管理是该领域应用的重要问题。传统关系型数据库基于单节点、面向空间、范式约束,无法满足大量并发性高的时空数据查询。No SQL数据库以其分布式、弹性可扩展及异步复制等特性,在大数据复杂信息的存储与索引管理方面获得良好的性能,已受到学术界和商业界的青睐。基于上述,本文使用No SQL数据库Couchbase对轨迹时空数据在数据存储、时空索引、时空查询等方面展开深入研究。研究内容可总结为三部分:（1）提出了一种基于Quad-H树的时空分级索引机制,从而优化了面向时间维度和空间维度的GPS数据查询算法。从时间维度分析,由于以时间为属性组织数据时,数据每日的变化幅度较小,所以每日不同时间段为周期组织GPS数据;从空间维度分析,根据空间分布不均的特性,第一级用改进四叉树整体划分数据;第二级用希尔伯特曲线对密集空间数据进一步分割。综上,构建时空范围以及KNN查询方案验证本文分级索引机制查询是否高效。经验证,与传统RT-tree比较,基于改进四叉树的Quad-H分级索引机制可有效地提高GPS数据查询效率,在范围查询方面的耗时平均降低了约35.05%,在KNN查询方面的耗时平均降低了约24%。（2）提出了一种分布式复合时空索引方案Mix Indexer,可以有效地管理来自大量时空传感器数据的查询需求。首先,提出了一种基于Couchbase的分布式时空索引体系,该体系由全局索引和局部索引组成。其次,结合分布式增强R+（MDR+）树算法,提出全局四叉树索引,以加速数据检索和时空查询效率,并设计了一种基于Map Reduce的大时空传感器数据批量构造指标并行处理方法。最后,基于Couchbase几种常见的键值结构,上实现了Mix Indexer混合索引。经实验,Mix Indexer复合索引方案优于典型空间数据库的索引方法和单个树索引R+（Cache Conscious R+Tree,CCR+）方法,相比较查询时间分别缩短42%和25%。（3）提出一种混合索引覆盖多个维度,同时过滤时间属性和空间属性时空索引模型。其使用基于块的存储结构来加速对历史数据的OLAP类型查询,支持通过内存和磁盘驻留数据进行查询处理并设计行化进行处理算法,在真实的数据集进行了实验测评:北京GPS交通轨迹数据和新浪微博产生的签到数据。结果表示,基于四叉树的设计的新索引的时空查询性能明显提高。