Why-not问题,致力于对查询结果中的缺失数据作出解释,近年来在数据库社区受到很大的关注。对why-not问题的合理解释,能够提高数据库的可用性,在实际生活中有很多重要应用。移动对象轨迹数据的挖掘工作也是近来研究的热点难点,convoy查询是轨迹数据挖掘领域的一个重要应用。对用户期望的移动对象集合没有出现在convoy查询结果中的问题做出合理解释,对于优化convoy查询和提高轨迹数据库的可用性,有很大的作用。然而,目前并没有相关工作来解释convoy查询中的why-not问题。因此,本文将研究支持convoy查询的why-not问题的有效解释算法。本文首先综述了轨迹数据挖掘技术、convoy查询技术和why-not问题的研究现状,基于此,给出了 convoy查询中why-not问题的定义。然后探究了聚类顺序、密度阈值MinPts和距离阈值Eps对DBSCAN聚类结果的影响,以此为基础提出了基于查询优化策略的支持convoy查询的why-not问题解释框架WQCQ(Why-not Questions on Convoy Queries)。Convoy查询的参数为连续时间k,密度阈值MinPts和距离阈值Eps,WQCQ解释框架分别从这三个方面对convoy查询的参数做出修改,以最小的修改代价对convoy查询中的why-not问题作出解释。第一个方法,修改连续时间k解释convoy查询中的why-not问题。第二个方法,修改密度阈值MinPts解释convoy查询中的why-not问题。第三个方法,修改距离阈值Eps解释convoy查询中的why-not问题。最后,本文在两个真实的轨迹数据集和一个人工合成的轨迹数据集上测试了WQCQ解释框架中的算法性能。实验结果表明,无论哪种算法,都能有效地解释convoy查询中的why-not问题,并具有良好的可扩展性。