随着全球定位技术和无线通信网络的快速发展,通过移动终端获取大量轨迹数据成为可能。然而,轨迹数据存在规模大、质量低、采样率不同等问题,这直接影响了轨迹数据的挖掘效果和计算效率。学术界为了应对这些问题,在轨迹数据管理方面开展了大量研究工作。其中,轨迹的相似性查询问题是近年来学术界的研究热点之一。该研究主要包含两个核心问题:轨迹的相似性度量方法和相应的查询算法。前者决定查询结果的相似性效果,后者决定相似性查询的计算效率。本文以时空轨迹和语义轨迹作为对象,分别研究这两种轨迹的相似性查询方法,并取得了如下成果。1.提出了针对采样点分布不均的时空轨迹相似性查询算法。大部分的时空轨迹相似性度量方法对采样点的分布较为敏感。由于移动对象的运动速度无法保持恒定,可能引起轨迹的采样点分布不均。相对于采样点稀疏的轨迹段,密集轨迹段的相似性度量在最终度量结果中的比重会被夸大,这将影响时空轨迹相似性查询的最终结果。为了应对此问题,提出基于相似子轨迹计算相似度的时空轨迹相似性查询算法,不再以轨迹点为主体计算时空轨迹的相似度。此外,本文采用“过滤-验证”的计算框架提升时空轨迹的查询效率。过滤阶段利用相似子轨迹中相似轨迹点邻近的特点,基于空间网格索引快速预估各轨迹的相似值,得到候选的相似轨迹集合;在验证阶段,采用动态规划思想对候选轨迹进行验证,得到最终的结果集。基于真实轨迹数据的实验验证了所提查询算法的有效性和可行性。2.提出了基于最长公共子序列的语义轨迹相似性查询算法。由于语义轨迹中同时包含时空属性和语义信息,因而相似性查询必须兼顾时空和语义两方面的要求。为了解决此问题,本文提出了基于最长公共子序列的语义轨迹相似性查询方法,在计算相似轨迹点时同时兼顾空间和语义两种信息相似性的度量要求。为了提升查询效率,本方法采用“过滤-验证”的计算框架。在过滤阶段,通过建立带有语义信息的空间网格索引,快速查找相似轨迹点,在线性时间内完成相似度的估算,获得相似候选轨迹集合;在验证阶段,基于动态规划思想,通过相似阈值减少相似轨迹点的比较范围,提升验证效率。基于真实轨迹数据的实验验证了算法有效性和执行效率。