近年来,随着GPS设备、无线通信与卫星等技术的快速发展以及移动互联网的广泛应用,越来越多的轨迹数据可以很方便的获取。同时,这些数据又蕴含着大量的有用信息,从而可以有效的映射出人的出行信息、活动规律等,因此怎样利用新的技术有效的挖掘轨迹数据蕴藏的知识一直是研究人员进一步研究的方向。本课题的主要目的是以北京市为例,分析用户出行热点路径及区域的分布情况。即通过统计分析城市中居民的轨迹数据,参考其密度与时间因素,从轨迹数据中提取经度、纬度和时间信息等关键字段,从而确定用户在城市中有效的停留位置,进而识别用户出行的路径以及区域,从中挖掘出特定时空环境下人群的变化规律。同时,在数据规模不断变大的环境下,针对已有的热点路径及区域识别处理存在效率低下的情况,使用基于K-D Tree索引结构和Spark GraphX的DBSCAN聚类算法处理数据。本系统以移动互联网用户位置轨迹数据为源数据,将数据清洗分为了两个步骤进行,首先将出现在数据中的空值和重复值等看作常规的脏数据,然后针对基站数据中专有的乒乓数据,分析了其成因并采取改进的滑动窗口方法对其进行处理。由于轨迹数据为时空数据,因此针对这一特性设计使用了基于时间-空间双维度的停留点提取算法,提取出数量合适的包含用户位置数据及其基本属性的停留点。将停留点作为特征点划分出若干子轨迹段,在此基础上设计和实现基于Spark GraphX的DBSCAN聚类算法,分别对轨迹段和出行起讫点进行聚类分析,获取到满足设定阈值的包含用户位置数据和基本属性的簇,得到在不同的时间段内居民出行热点路径和出行热点区域。在获取结果的基础上,将中间结果以及最终结果保存至数据库中。最后通过调用百度地图接口实现展示平台,通过Web的形式展示结果,将获取到的停留点以及用户的出行热点路径及区域投影到北京市地图上。