新兴移动计算环境如车联网、移动社交网络等,带动了基于位置数据的服务快速发展。随着提供位置的能力不断增强,而理解位置的能力方面仍然存在很多挑战。当前泛在测绘或位置社会感知,得到了学术界和工业界的广泛重视,而包含地理、轨迹、空间媒体等位置数据也就成了重要的数据资源,它可提供诸如城市运行、个人生活、企业经济等方面的位置服务。其中能反映用户习惯偏好的行车轨迹数据,成了重要组成元素。本文重点研究生成矢量路网的相关技术,从大规模行车轨迹中提取蕴含的路网模式,从而摆脱了地图服务的依赖,构成了位置数据分析的基础。本文将行车轨迹数据直接转成二值图像后,利用包括形态学、高斯模糊等图像处理算法,将离散的轨迹位置点数据构成的道路区域,拟合成仅有少数(千分之二)数据点构成顶点集合的多边形区域,节省了外存与内存空间,大大提高了路网相关的分析计算性能表现。本文研究的关键技术体现在：①提取行车轨迹数据,分离多方向道路和交叉道路,实现数据集的分割。②在相应图像处理过程中选择合适参数,达到最佳效果。③利用形态学与高斯模糊等图像处理算法,实现去噪、抹刺、填洞、平滑等一系列数据操作。本文贡献主要体现在：①问题域的转换,将在数据集上利用聚类式算法的处理方式转变为利用图像并利用形态学算法进行处理。②因地制宜分割数据集,借助数据集中行车方向等个性化属性,利用统计性规律,进行交叉道路分离,形成独立封闭式道路区域,从而通过道路边缘拟合出多边形顶点连接的矢量化方法。③在不依赖基图情况下,从行车轨迹中提取路网,并矢量化处理。