近年来随着地理信息系统的在我国的发展,地理信息系统被广泛应用于各个领域,基于位置信息的空间数据的数据量和复杂性急剧增加,处理这些数据所面临的问题也日趋巨大。本文的立文根据是基于以下事实：随着社会和科学技术的不断进步,特别是各种提供位置信息服务的移动终端应用越来越成熟,位置数据的数据量发生了剧烈的增长,位置信息的数据结构也越来越复杂,往常的数据处理方式已经不能解决现代社会越来越严重的“数据剧增而知识贫乏”的现象,怎样对包含位置信息的数据进行深度挖掘以发现其潜在的有用知识成为一个急需解决的问题,本文在此方面进行了一些研究试图为此做出一点贡献。本文在概述了位置信息数据挖掘的相关理论知识之后,以笔者所参与过的一个基于GIS分析功能的数据挖掘案例为例,展示了怎样利用数据挖掘方法从人群的通话数据中挖掘出人群运动轨迹分析功能,并对原始的处理方法提出了一点改进意见,最终通过对两种挖掘方式的优缺点进行比较证明了改进算法的优势及其实际应用价值。最后,通过笔者所实现的基于K-means和基于Apriori算法的两种挖掘算法,分别对人群的出行信息以及车辆GPS位置信息进行处理,挖掘出其中所包含的人群运动轨迹的相似性以及最容易搭乘出租车的路段。最终通过对实验结果的讨论,证明了本文实验的有效性并探讨了不足之处。本文在实验过程中进行了以下一些创新和工作：通过将传统的数据挖掘K-均值算法与原始算法中的GIS分析功能相结合,使得对大数量下轨迹分析地自动化实现成为可能；通过对聚类中心的缓冲区分析解决了聚类中心偏离道路的问题,并通过叠加分析选取合适的缓冲区半径；通过对数据添加地理编码,使得能有效处理文本数据的Apriori算法可以对包含位置信息的地理数据进行有效的挖掘。