随着全球定位系统、无线通信网络等基础设施的飞速发展与普及,传统的移动对象位置服务已经不能满足用户不断增长的应用需求,面临着许多新的挑战。移动对象轨迹分析作为移动对象分析中最重要的技术之一,在移动对象位置服务中占有十分重要的位置,有着广泛的应用前景。目前对移动对象轨迹分析的研究尚处于起步阶段,在理论和实际应用上还不成熟,存在许多问题和技术需要解决。论文在全面总结和分析国内外移动对象数据库领域相关工作的基础上,面向实际应用需求,对移动对象轨迹分析的关键技术进行研究,提出了移动对象轨迹数据预处理、移动对象轨迹分析中的感兴趣区域(Regions of Interest, ROI)和频繁兴趣模式(Frequent Interesting Pattern, FIP)发现的方法。本文的主要工作和创新点如下:1.提出基于网格划分剪除(Prune based on Grid Partition, PBGP)的方法,减少轨迹分析量。移动对象轨迹数据量庞大,无用数据多,通过PBGP方法将轨迹数据映射到网格中,结合ROI发现的条件,以单元中的轨迹数作为单元剪除的条件,同时为保证结果的完整性,该方法特别对单元边界区域进行分析。2.研究移动对象轨迹ROI发现方法,提出了针对大量移动对象轨迹ROI发现的两阶段方法。该方法首先采用改进的DBSCAN方法发现单轨迹中的聚类块,通过采用平均位置点表示聚类块,从而采用传统DBSCAN方法聚类得到大量轨迹的ROI。在改进的DBSCAN方法中结合轨迹的特点提出了Eps线性邻域的概念,并提出通过分位数函数确定参数。3.提出了移动对象FIP的发现方法。在ROI发现的基础上,本文对单个移动对象轨迹和大量移动对象轨迹的FIP发现方法进行了研究。在单轨迹FIP发现中,通过对各个ROI中移动对象信息的统计生成感兴趣区域信息列表(ROI-list),根据单个对象在各个ROI中出现的频率与时间得到其FIP。对大量移动对象轨迹的FIP发现,本文在ROI的兴趣度和移动对象经验度的基础上,提出了计算模式段得分的方法,任意长度的模式段的得分为各段得分之和,该方法能发现任意长度的FIP。对论文中提出的方法,通过实例分析,证明了它们在时间性能和准确性上的优势。