时空轨迹的相似度计算将轨迹间相似特征进行了量化,是上游相似查询和分析应用的基础,有效而稳定的相似性度量及其高效计算方法也是众多轨迹模式挖掘的必要前提。当前数据量爆炸式增长、数据形式愈发多样、时空语义信息更加丰富的轨迹数据现状对相似性分析和相似模式挖掘提出了更高要求,而传统研究一般将轨迹视作由点序列构成的线状对象,本质上仍是基于分立的空间点的计算与分析,不能有效把握轨迹数据时序性、多粒度性、位置不确定性等独特性质。本文针对国家和军队相关部门对公共安全监测预警、政府决策辅助支持、战略战术情报分析等方面的应用需求,以面向多粒度轨迹段的全新视角,从时空轨迹建模和轨迹间的相似关系出发,深入研究了多粒度轨迹的组织结构与相似性分析方法。研究重点包括轨迹形态相似性快速查询、顾及位置不确定性的相似性度量和多粒度轨迹子段相似性匹配三个层面的问题,建立了表达力更好的多粒度轨迹模型和多层级组织结构,提出了效率更高的轨迹形态相似性查询算法,设计了鲁棒性更强的轨迹相似性度量和准确率更高的轨迹子段相似匹配方法。具体研究内容和工作包括:（1）基于自适应网格剖分编码的多粒度时空轨迹统一组织方法。针对多尺度、多形态轨迹的统一概念模型和组织管理问题,本文在总结现有轨迹数据模型优缺点的基础上设计了一种多粒度时空轨迹模型,包含时空序列模型、时空分段模型和起止点模型三个由精到粗的层级,描述了轨迹在不同层面的空间形态和语义特征,实现了轨迹时空特征与运动特征的融合,为时空轨迹在不同层面上的相似模式计算与挖掘提供了模型基础。在综合全球地理网格剖分模型现状与现有标准基础上,设计了基于希尔伯特地理哈希的自适应网格编码方法,在数据组织模型和编码层面实现了空间数据的集成与关联,依托编码技术实现了多类型空间对象的降维处理,可作为多尺度空间对象的组织和索引结构,提高了空间检索效率,并且可以作为空间数据分块的依据,也有利于空间局部性更好的数据分布式存储管理,为更加丰富、精细的轨迹组织和相似性计算提供支撑。（2）基于Fréchet距离阈值的轨迹形态相似性查询。面向线状对象的距离或相似性的经典度量层出不穷,其中Fréchet距离在定义中包含了轨迹点间的时序关系,计算过程考虑了轨迹内部的节点顺序结构,可以更加精确地描述轨迹间的相似程度,在轨迹出现回退、环、交错等情况时不会出现度量值失真。但Fréchet距离的计算复杂度较高,基于Fréchet距离的轨迹形态相似性查询效率较低。本文针对这一问题,根据轨迹形态特征具体特点,先通过首尾点、最小包围框和缓冲区的预过滤操作减小相似轨迹候选集规模,然后设计了一种序贯覆盖判断算法（OCJ）,实现了高效的基于Fréchet距离阈值过滤的相似轨迹查询,并使用MPI/Open MP框架和Spark分布式计算平台分别对算法进行了并行优化。在大规模实际轨迹数据集上的查询实验表明,OCJ算法及其并行实现具有较为理想的计算效率和良好的并行扩展性。（3）顾及位置不确定性与运动特征的修正椭圆模型和轨迹相似性度量。针对传统轨迹相似性计算模型未考虑位置不确定性的缺陷,从插值误差和定位误差入手,对轨迹中蕴含的位置不确定性进行了建模,并改进了传统珠串模型,将轨迹片段前后的运动特征纳入椭圆参数的计算模型,设计出了顾及运动特征的修正椭圆模型,使得轨迹中的每一片段都对应于一个不同偏心率的椭圆,从而自适应地描述了该时空片段的不确定区域。然后针对现有经典轨迹相似性度量对离群点、不同采样频率和非同步采样的鲁棒性不高的问题,基于提出的修正椭圆模型提出了一种考虑位置不确定性的轨迹相似性度量。在实际轨迹数据集上的实验证明,本文提出的度量模型具有良好的性能稳定性和功能扩展性,在各项评估指标中表现良好,对噪声和异常值的鲁棒性优于其他经典方法。在面对不同的采样速率和轨迹的异步采样时,该模型也具有较好的稳定性,可以有效应对轨迹数据质量层次不齐的现状,在轨迹模糊聚类、轨迹相似模式挖掘、地图匹配等问题中具有良好的应用前景。（4）基于多层级轨迹片段编码树的子段相似性匹配方法。针对轨迹子段相似性匹配粒度不易把握且遍历复杂度高的问题,从多粒度角度考虑轨迹段的时序特性和连续结构,结合自适应希尔伯特空间网格编码,提出一种多层级轨迹编码树结构,在可接受的建树代价下,形成了从轨迹整段到最小片段的层次化组织形式和子段从属关系表达结构。然后设计了基于此多层级轨迹片段编码树子段相似匹配算法,实现了轨迹的不同粒度分段的相似性分析,将复杂的空间计算步骤转化为空间编码的字符串匹配操作,极大地降低轨迹子段的相似匹配的计算复杂度,在不影响匹配准确率的前提下,匹配效率相较于基于经典距离的相似性度量方法获得了超过一个数量级的性能提升,为挖掘分析多层次轨迹模式提供了新的途径。