随着计算机技术的飞速发展以及时空收集设备的增多,时空数据以相当惊人的速度急剧增长,自动化及半自动化的模式分析变得越来越重要。因此,从大量的时空数据中获取有趣、有价值、有意义的模式成为了对时空数据分析的重要挑战。时空级联模式就是在时空维度下,不同对象子集的实例由发生的时间先后与相邻关系而确定的一种指向关系。本文以挖掘同现模式为目的。通过对现有的时空同现的研究分析,使用一种基于时间槽的级联挖掘算法和,对空间对象特征进行分析和研究。主要研究工作如下：(1)提高时空级联挖掘算法的计算效率。为了提高时空级联挖掘的计算效率,本文提出了利用(UB)过滤器对小模式进行剪枝的方法,滤除掉那些CPI达不到给定阈值的模式。通过减少候选集中的模式数量来减少不必要计算量。(2)通过引入时间槽的概念确定事件点之间的级联关系,并假设发生在同一时间槽内的事件相互之间是没有级联模式的,通过此假设简化了算法的时间复杂度,并且引入了Imbps与Imps数据集合,减少了级联模式候选集的数量,提高了算法效率。(3)对部分周期性时空同现模式研究。提出了挖掘部分周期时空同现模式的Naive方法和Fast PPCOP算法,并对该算法进行了正确性分析,完整性分析等,并对算法进行了分析和验证。本文最后以一个实验来验证所研究的时空级联算法的正确性。实验数据以两个数据集为基础(杭州2007年犯罪数据和空间对象移动快照数据),验证了算法的有效性。