近年来,随着GPS、手机等定位设备的发展,位置信息的获取变得越来越容易。移动电话、出租车、公交车等每天都会产生大量的轨迹数据。这些轨迹数据具有数据量大、维度高的特点,且隐藏着大量可以被挖掘的信息。很多科技公司如国外的Uber、国内的滴滴出行、高德等都会利用这些轨迹数据提供基于位置的服务,比如道路推荐、路线规划等等。大规模的轨迹数据与轨迹数据应用之间需要一个沟通的桥梁,这个桥梁就是轨迹数据处理系统,也是本文要做的工作。首先,对于海量的轨迹数据,本文设计了轨迹数据处理系统,该系统能够满足轨迹数据的收集、处理与存储的功能需求,且具有拓展性好、可靠性高、实时性强的特点。系统整体可以分为三个模块,即轨迹数据的收集模块、轨迹数据的处理模块和轨迹数据的存储模块。存储模块由于数据库HBase的分区问题导致了轨迹数据写入性能的下降,针对这种情况,本文提出了预分区策略,并结合轨迹数据的分布特点和轨迹数据的时间属性合理设置了分区的粒度和分区的大小。实验部分验证了预分区方法对存储模块性能的提高。其次,本文针对轨迹数据处理中常用的两种查询,精确查询和时空范围查询在存储模块进行了实现。通常的数据存储模块都带有查询功能,但面对大规模的轨迹数据,在分布式环境下如何保证系统的可靠性与高效性以及查询的效率是一个挑战。对于轨迹数据的精确查询,结合GeoHash算法优化行键来实现。对于轨迹数据的时空查询,本文通过构建多级索引来实现。最后,本文在轨迹数据处理系统上对存储模块的预分区策略、轨迹数据的精确查询、时空查询进行了大量对比实验。实验结果表明,本文提出的大规模轨迹数据处理系统能高效地实现轨迹数据的采集、处理和存储。针对存储模块提出的预分区策略在轨迹数据插入过程能明显提升插入的速度。同时存储模块能够实现轨迹数据的精确查询和时空查询,多级索引结构也在时空检索方面展现了良好的性能。