随着中国物流行业的发展,货运量迅猛增长。随之而来的,货车的安全驾驶和监控管理成为了物流企业关注的问题。自2016年起,重型载货卡车强制安装并使用具有行驶记录功能的GPS定位装置,使得海量的车辆定位数据挖掘和分析货车行驶特征和模式成为可能。但目前货车轨迹数据挖掘的研究还不足,因此本文以物流企业的货车GPS轨迹数据为研究对象,通过货车轨迹数据挖掘技术,发现其中蕴含的有价值的信息。主要研究轨迹数据预处理层的地图匹配问题,轨迹挖掘的基础算法层的轨迹聚类研究,和轨迹数据挖掘应用层的货车轨迹行驶特征挖掘和可视化研究。帮助企业客观地认识货车的行驶状态,货运网络分布,提高企业的管理水平以及在行业中的竞争力。主要工作的内容如下:（1）针对低频采样数据在匹配过程中的不确定性导致路径寻优效果差的问题,提出基于一维残差卷积网络的地图匹配算法。从待匹配的轨迹的检索出历史的相同起止点的轨迹数据作为样本,从中提取统计特征。运用残差卷积神经网络强大的学习能力拟合低频采样数据的地图匹配中的路径分类模型,将地图匹配路径寻优问题转化为路径分类问题。利用真实的货车GPS轨迹数据进行实验,对比多个深度网络,实验结果验证了本文提出的算法具有可行性,且在分类性能上残差网络具有优势。（2）以往的轨迹聚类研究多侧重于聚类相似性度量函数和传统聚类算法改进上,然而单一的聚类算法总是有一定的局限性。本文从聚类集成的角度出发,提出了基于算法组合的轨迹聚类集成算法。首先融合多个轨迹相似性度量函数和聚类算法,将其组合成算法池,进一步调整参数生成具有差异性的基聚类。并引入局部加权二部图切割的一致性策略计算求解最后一致性结果。实验表明,本文提出的轨迹聚类集成算法对轨迹聚类效果具有提升。（3）利用真实的物流企业货车轨迹数据进行车辆行驶特征进行挖掘并可视化分析。首先运用本文提出的地图匹配算法对原始货车数据进行匹配,并进行停留点检查和行程提取等数据预处理。然后从货车的时空特征、驾驶行为和货运网络三个层面分析,其中运用提出的轨迹聚类集成算法研究货运通道。根据轨迹数据挖掘的结果,分析企业存在问题,并对超速行为、疲劳驾驶和货运物流网络提出相应的建议以及应对措施来提升企业运营管理水平。