随着无线通信与定位技术的发展,带有时空标签的位置信息的获取越来越容易,由此产生了海量的时空数据,这些数据中包含着巨大的信息,如何对现有的大规模时空数据进行处理和分析已经成为一个急需解决的问题。而分布式计算的发展为我们解决大规模数据的相关问题提供了很好的解决方案。基于此本文以时空数据作为研究对象,从时空数据模型与时空数据的组织、聚集查询计算方法以及热点分析方法几个方面开展研究工作。1、分析时空数据特点,论述了现有数据模型的优缺点,并对分布式内存计算框架的计算模型进行了介绍,提出了一种面向分布式内存计算的时空数据模型,自适应时空立方体模型。在此模型基础上,基于分布式内存计算框架Spark,实现了时空数据的组织与管理。2、针对现有的时空聚集的查询效率较低的问题,以及对大规模(上亿数据量)数据的支持不足的缺点,提出了两种时空聚集方法,一种是基于分布式内存计算的时空聚集查询,另一种是基于分布式内存与时空预聚集的时空聚集查询。在真实数据集上进行了实验和分析,并对两种不同的计算方法的有效性和准确性进行了比较。3、针对时空热点分析问题,在空间热点分析模型基础上,提出了一种时空热点分析的模型。在时空聚集的基础上实现了在分布式内存计算环境向下的时空热度的计算,并提出了一种快速求取时空热点区域的Top-k算法。4、根据应用需要,提出了一种时空热点可视化的方法,实现了时空热点的动态展示,为提高浏览器端可视化效率,设计并实现了时空热点区域的可视化原型系统.直观反映出城市热点区域动态变化,并对热点区域内移动对象的流量进行了统计。