伴随着计算机技术的发展以及移动对象跟踪技术的不断完善,使得大量的轨道数据被采集,并迫切需要对这些数据进行有效的分析以提取出其中隐藏的知识,这就导致了移动对象轨道聚类技术的产生和发展。移动对象的轨道聚类能够从这些轨道数据中找出具有相同或相似运动行为的对象并提取出这些对象运动的公共特征模式,用以分析和预测移动对象未来的运动行为。本文以发现移动对象的公共子轨道为目的,针对TRACLUS算法存在的缺陷,从提高轨道聚类算法的执行效率和改善轨道聚类算法的参数敏感性等方面对其中急需解决的相关问题进行了研究和探索,主要工作如下:(1)由于TRACLUS算法在线段的聚类阶段现有的空间索引结构不能直接应用于邻域的查询,使得该算法在线段聚类阶段的时间复杂度为O(N2),其中N为轨道划分后线段的总数目,当N增大时,这就要求非常大的内存支持以及I/O消耗。为此将参考线段概念引入到轨道聚类,提出了一种基于参考线段的轨道聚类算法RLTC,该算法采用一定数目的参考线段来近似的表示一个聚类区域的空间特征,通过对参考线段的分类实现线段的聚类。实验表明,RLTC算法在保持TRACLUS算法聚类质量的同时,并具有较高的执行效率。(2)针对TRACLUS算法对输入参数ε和MinLns敏感性的问题,提出了一种屏蔽参数敏感性的轨道聚类算法OPSTC。该算法定义了线段的核心距离以及线段的可达距离,并根据这两个距离产生线段的处理序列,实际上该序列包含的信息就相当于从一个宽广的参数输入范围中所得到的基于密度的线段聚类,而后根据此序列生成线段集合的可达图,并根据可达图选择合适的提取距离提取出最终的聚类结构。实验表明,OPSTC算法有效的降低了轨道聚类算法对参数的依赖性和敏感性,同时也保证了聚类的质量。