作为最重要的大数据类型之一,时空数据具有空间属性、时间属性和其他属性等多维度的特点,其背后蕴藏着巨大的信息价值,在地图导航和智慧城市等日常生活各个方面发挥着十分重要的作用。通过对车辆行人既往的时空轨迹数据进行收集和管理,使用大数据技术分析出车辆的运行状况和人流的移动规律,可以有效地缓解城市交通拥堵问题,提高城市出行的效率。所以,如何对海量的历史轨迹数据进行存储和管理成了当前亟需解决的热门问题。同时,随着地理定位技术在互联网上的广泛应用,越来越多基于位置服务的应用（如大众点评、高德地图等）开始受到人们的青睐,而空间关键字查询作为其主要技术之一,成为了目前空间数据库的热门研究对象,其发展对于路径规划、社交推荐、为城市交通提供良好的出行建议等方面具有非常重要的参考价值。为提高城市出行的整体运行效率,本文从管理既往出行数据和改善出行建议的角度分解问题,通过对海量的历史轨迹数据进行有效的存储和管理,分析挖掘出交通出行规律,为车辆和行人提供合理的出行建议,从而避免交通拥堵。为此,本文研究了面向轨迹数据的分布式存储和查询系统,以及基于TKG-tree索引的Top-K空间关键字查询算法两部分内容。一方面,本文采取分布式存储和多维时空索引相结合的方法,提出了一个面向轨迹数据的分布式存储和查询系统,设计了HBase的列族存储模式以满足时空数据多维度非结构化的需求,以对象ID+时间作为表行键,保留了轨迹数据的完整性,并在数据之上构建了针对时空查询的NDTR-tree索引和针对属性查询的B+-tree索引,同时设计了相应的查询算法来提高访问速度。实验结果表明,该方案查询速度比原有的HBase方法快了近两个数量级,能够对大规模的时空数据进行有效的存储和快速查询。另一方面,本文考虑了时间因素对近邻空间关键字查询的影响,提出一种基于TKG-tree索引的Top-K空间关键字查询算法。该方法分别使用最短通行时间和TF-IDF模型作为对象空间邻近性和文本相似性的度量。将记录了对象文本信息的倒排文档和路网索引技术相结合,提出了一种应用于道路网上的新型索引TKG-tree,并在其基础上设计了一种Top-K空间关键字查询算法。实验结果表明,该算法查询的时间比其他方法要快1到2个数量级,并对大规模的数据集有着良好的拓展性。