时空轨迹是运动目标关于空间,时间等属性的一组变化的序列。时空轨迹是一种非常重要和有价值的研究运动目标特性的数据源。由于数据采集技术的迅速发展,关于时空轨迹数据的采集变的越来越方便,对于时空轨迹的聚类研究无论是在交通管理,物流领域,应急疏散管理,还是在人类行为分析,几何分析等领域都有着不可替代的作用。不管是从理论价值,可行性还是应用价值多方面来评价,对时空轨迹的有效聚类都是极为重要的。本文以基于密度的聚类算法DBSCAN算法为基础,在其上进行改进。借鉴了分段和归组的思想,充分利用了轨迹数据中样本点包含的速度和方向属性,将轨迹段的聚类简化为关于矢量点的聚类,将原本十分复杂的轨迹相似度度量抽象成矢量点之间的相似性度量,接着对聚类完后的每个类簇提取质心向量,再进行连结,达到轨迹聚类的效果。本文以民航航班飞行数据为基础,经过数据清洗,轨迹简化等预处理之后作为轨迹聚类算法的实验数据,选取了特定航班半年的航行数据进行聚类实验,结果表明该方法能够较好的达到时空轨迹聚类的效果,为之后的航班飞行预测或异常检测等打下良好的基础。