随着无线通信、现代定位技术和移动计算等技术的飞速发展，以及众多具有跟踪定位功能的便携设备和机载设备的普及，人们收集、分析和利用移动对象位置信息的深度和广度得到了前所未有的提升。移动对象的模式挖掘和信息管理在交通监控、救援服务、移动导航和战场指挥等诸多领域有着广泛的应用。因此，如何有效地对移动对象的海量位置信息进行挖掘和管理成为移动对象数据库(Moving Object Database，MOD)的研究热点问题之一。　　 本文研究的目的是对MOD中蕴含的轨迹模式进行挖掘，包括频繁模式、异常模式，并针对不确定特征对不确定移动对象的索引和范围查询问题提出了切实可行的解决方案。　　 本文首先提出基于网格编码的全轨迹建模方法，提出了结合轨迹-网格签名矩阵和FP-tree结构的频繁模式挖掘算法，对移动对象的轨迹进行预测，较好地解决了海量轨迹频繁模式挖掘所面临的数据频繁更新和支持度阈值变化的问题。其次，本文提出了基于GI-tree结构的历史轨迹异常模式挖掘算法，与传统的基于轨迹片段作为基本比较单元的方法不同，本文采用局部异常轨迹点来反映整条轨迹的异常程度进而实现轨迹的异常模式挖掘，提高了异常轨迹的检测效率。再次，针对移动对象的频繁更新和速度特征域分布不均匀的问题，本文提出了多粒度网格索引结构，并针对移动对象的不确定特征提出了一些有效的空间剪枝方法，降低了海量移动对象因速度不均衡所造成的更新效率低下的问题，提高了不确定移动对象的范围查询效率。