随着现代社会卫星和无线网络的发展,大量监控和移动定位设备的普及使用,以及定位技术精度的不断提高,各类轨迹数据量呈爆炸式增长,大量的轨迹数据反映了人类社会和自然界生物的行为规律,对这些数据的分析和研究,挖掘隐藏的规律,发现未来潜在的危害成为了人们的一个重要任务。目前常见的轨迹数据分析处理包括对轨迹建模,轨迹聚类,轨迹总结以及异常检测等。本文提出了一种快速且近似最优的,利用直方图对轨迹建模的方法。该方法采用贪心策略,自底向上的对直方图的区间进行合并,尽可能小的减小误差,最终为轨迹建立直方图模型。利用该直方图模型,可以进一步对轨迹进行聚类和异常轨迹检测。本文算法迭代式地为每条轨迹数据建立一个k直方图。本文建立的k直方图与传统意义的直方图的不同之处在于,直方图的每个bin是在迭代过程中“自适应”合并形成的,因此不是严格等宽的。建立起直方图之后,按照数据特点以某种步长对直方图进行离散化处理,作为后续轨迹聚类和异常检测过程中轨迹距离的度量依据。将直方图离散化后,为避免“维数灾难”,使用一种常见的主成分分析法对离散后的直方图矩阵进行降维,降低后续处理的复杂度。本文结合经典的聚类算法,通过实验表明,通过直方图建立的轨迹模型在聚类和异常检测过程中的性能,优于使用传统建模方式时的性能,时间复杂度也相应有所降低。本文中涉及的算法均已编程实现,目前处于大量实验和算法扩展阶段。