随着卫星定位技术的发展和移动通信设备的普及,人类日常生活中产生了海量的轨迹数据,轨迹数据的存储和索引是城市建设和交通管理的重点研究领域之一。传统集中式的轨迹数据索引方法基于单节点进行索引的构建,在处理海量数据的高并发读写以及扩展性等方面存在局限性。随着云计算的发展,一系列分布式的索引方法被提出,弥补了传统方法的缺陷,但由于这些方法大多仅适用于历史静态数据,不适合数据动态增长的场景,而且索引策略主要针对时空范围查询进行设计,无法为各种查询类型提供良好的支持。为了提高海量轨迹数据存储和索引的扩展性以及查询效率,本文提出一种基于云计算平台的多层次自调整轨迹数据存储和索引方案。首先,针对现有分布式索引设计较为单一的问题,根据轨迹数据中的对象标识和时间属性构建第一层索引;其次,为了解决传统空间索引在处理大量高维数据时的性能下降问题,在第二层索引中对空间属性构建Hilbert空间索引,将二维的空间属性降维,并且采用索引节点的均衡划分方法和最长公共前缀命名法将索引节点中的轨迹数据存储到HBase(Hadoop Database)分布式列数据库;最后,根据轨迹数据在空间上的分布情况,动态地选择经纬度对轨迹数据进行自调整,让轨迹数据随着查询的执行逐渐有序,使时空范围查询性能逐渐趋优。本文的主要贡献是:1:根据轨迹数据的对象标识和时间属性在HDFS(Hadoop Distributed File System)分布式文件系统上建立了第一层索引,适用于对象标识和时间范围查询。2:对Hilbert空间索引的索引节点采用一种均衡的划分方法和最长公共前缀命名法,将二维空间有效地剪枝,当查询定位到稀疏区域时,访问的索引节点也相对少,提高了时空范围查询效率。3:对于存储在HBase中的轨迹数据,根据空间的分布情况,动态地选择经纬度进行自调整,让轨迹数据随着查询的执行趋于有序,提高了时空范围查询的效率,并通过实验验证了相关方法的可行性和有效性。