伴随着GPS传感器和各种无线通信网络的发展和普及,城市中的车辆数据可以被大量的收集,这些数据背后隐藏着许多可以被挖掘的信息。但移动对象的数据本身是一个庞大的数据集,并且随时间动态更新,传统的数据处理技术有其局限性,无法处理这些动态数据。如何对这些数据进行处理以实现预测和监控是一个研究热点。人工免疫理论是计算机领域受自然免疫系统启发而产生的一种智能计算方法。它具有很强的学习和记忆能力,可以对不同特征的数据进行提取和分析,人工免疫理论给目前的问题处理提供了一种全新的思路。本文运用人工免疫理论,着重研究了移动对象数据处理问题。主要工作如下:(1)通过人工免疫理论建模,提出了一种动态移动对象预测技术。该技术从车辆运动趋势这个角度对移动对象的运动状态进行建模,从而可以在未知移动对象运动函数的情况下,对一些未知的运动模式轨迹进行识别和预测。(2)通过分析传统K均值算法对初始集合选择的敏感性以及在聚类过程中容易陷入局部最优解等问题,将人工免疫理论中全局搜索能力和免疫记忆特性运用到优化K均值算法中,提出一种免疫K均值算法。实验表明免疫K均值算法对动态数据的适应度较好。(3)通过分析传统网格聚类对于数据形态分布敏感的问题,提出了一种网格划分方法,对网格聚类进行了优化,既发挥了网格聚类的高效性,又在一定程度上解决了网格聚类数据形态分布敏感的问题。