在经济、贸易和科技的全球化进程不断取得新进展的今天,全球卫星导航系统(GNSS)面向全球海陆空交通提供的导航定位基础服务,发挥着越来越重要的作用。但是在全球卫星导航系统的使用过程中,接收端设备通常因为一些原因获取到异常的定位信息,使得用户后续应用的过程中需要对接收机输出的坐标信息进行挖掘判断,得到更加可靠的定位数据。本文研究如何精准识别陆地交通工具中GNSS设备采集的行驶轨迹的异常定位序列,以满足后续驾驶状态识别以及驾驶意图预测等需求。在当前已有的异常序列识别工作中,通常通过单一模式判断序列是否异常。而陆地交通的交通环境较为复杂,存在多种不同的异常定位序列类型,因此现有的方法难以适用于此种轨迹数据的异常序列识别,需要根据其特有的特征模式分别设计不同的算法。本文主要针对三种典型的异常序列类型,从异常序列类型产生场景等角度设计算法并实际应用,在一定程度上克服当前主流的单一异常序列识别框架难以对复杂的陆地交通轨迹数据进行异常定位序列识别的问题。本文对两千余公里陆地交通轨迹进行分析后,将异常类型分为:(1)在极慢速状态下方向多次变化导致的定位异常;(2)在近似匀速直线运动中定位偏差导致的轨迹异常;(3)在运动速度变化的情况下定位偏差导致的定位异常。针对于上述三种异常情况,结合产生场景与应用需求,分别设计了适用于上述场景的基于动态曲线拟合的异常定位序列挖掘算法(Dynamic-GMM)、基于运动一致性的异常定位序列挖掘算法(Consistency-K-Means)和基于特征极值的异常定位序列挖掘算法(Extremum-SVM)。最终,本文通过V-Measure以及调整兰德系数ARI对Dynamic-GMM算法进行了评价,通过查准率与查全率、F1等评价方式对其余两个异常定位序列检测算法进行了评价,结果显示本文提出的三种算法均能取得较好效果。同时,本文也分析了一些错误识别的原因,以便于后续工作的改进。