随着GPS(Global Positioning System)技术和设备的普及,不同数字终端和后台系统在不断收集运动个体的轨迹信息,从而导致运动个体的轨迹信息被分别保存在不同系统中。如果能够获取这些系统中的轨迹信息,那么能否将属于同一运动个体的轨迹信息甄别出来,进而恢复或者重建一个运动个体较为完整的轨迹?由于运动个体的轨迹信息ID(Identifier)在不同系统中不相同,因此不能通过简单对比ID来从多个系统中恢复一个运动个体的轨迹。本文针对上述轨迹恢复问题,根据运动个体轨迹数据特征,提出了两种不同的轨迹拼接算法,以达到从多个轨迹数据源中恢复出较为完整运动个体轨迹的目标。针对采样点稀疏的轨迹数据,提出一种基于子轨迹的拼接算法。该算法以子轨迹为顶点,根据相邻子轨迹之间是否满足拼接条件建立有向边,在构造有向图过程中找出轨迹之间拼接关系,最后利用这种拼接关系和最大团搜索算法完成对同一运动个体轨迹的查找。但是由于最大团搜索算法是NP-Hard问题,为了提高轨迹拼接算法执行效率,提出一种近似轨迹拼接算法。该算法通过放松最大轨迹拼接组定义,在原有最大团搜索算法基础上融入一种概率模型,通过近似求解的方式加快轨迹拼接组查找过程。针对采样点密集的轨迹数据,提出一种基于轨迹点的拼接算法。该算法首先根据轨迹点时间维度分布规律和空间距离关系,分别定义轨迹连续性概念和拼接点空间密度概念;然后利用这两个概念定义了两条轨迹之间距离函数;最后在定义的距离函数基础上,设计了一种分层聚类方法来进行轨迹拼接。通过实验发现两种拼接算法分别适应不同特征的轨迹数据。子轨迹拼接算法对采样点稀疏的轨迹数据适应较好,查全率较高;轨迹点拼接算法对采样点密集的轨迹数据适应性较好,查准率较高。