运动目标数据是地理空间数据与流式数据的一个交集,其既拥有地理空间数据:空间、属性、时间三大特征,也拥有流式数据:快速、大量、连续到达的特点。在解决动目标数据管理问题时,需要完善的数据模型与存储方式。在存储方面,数据模型选择不当会导致存储冗余、碎片化问题,极大降低存储效率。在数据实时分析方面,数据处理的时延指标与准确率十分重要,时间延迟与错误率高会使分析处理价值下降。针对动目标数据模型的问题,论文对国内外数据管理进行相应的研究分析,提出一种基于三维剖分模型与动目标数据模型(MOST)结合的数据存储模型,该模型对原有二维H树进行改进,加入高度维,得到动目标经纬高度索引值,并根据索引值及数据的时间戳进行数据的存储。针对动目标数据存储的问题,论文对当下几种流行的数据存储方式进行研究。研究格网数据的打包方法,进行算法优化与并行加速。针对海量轨迹数据,研究分布式集群环境下的存储方法。针对动目标的实时轨迹数据分析的应用场景,提出两种实时分析的解决思路:基于五点法的轨迹预测方法,此方法可以较快速的预测动目标下一个位置点,实时性较强。基于Storm的历史频次统计分析方法,此方法根据历史轨迹频次进行分析,准确率较高。上述两种方法解决了实时分析的两个重点问题:实时、准确。论文设计了海量动目标数据管理与应用系统总体结构,并通过实验验证了技术的可行性。论文研究成果可应用于大规模流数据的数据存储场景及实时在线分析场景,为该场景提供一个可以应用的技术方案。