随着我国城市化进程的持续推进,城市规模逐步增大,城市发展呈现多样性、动态性、复杂性等特点,对城市科学治理提出了更高要求,数据挖掘成为一项支撑性技术,特别是智慧城市的建设和发展,亟需从海量的城市运行数据中挖掘知识以支撑各行业应用。近年来移动定位技术和无线通信技术的快速发展,使城市交通领域积累了大量的移动轨迹数据,是智慧城市的重要研究对象之一,已经成为除图像、视频、音频等媒体数据之外的一种新型数据。海量移动轨迹数据具有重要的社会和经济价值,在实时记录城市交通状况的同时,也反映城市居民出行规律和城市空间结构。如何从轨迹数据中挖掘隐含的知识成为一个重要研究课题。城市交通轨迹数据是车辆等移动对象在城市中的空间位置随时间变化而形成的记录,主要包括时间和空间等信息,通常表现为带有时间戳的位置坐标点组成的时间序列。轨迹数据挖掘通常包括数据预处理、数据索引和查询、行为模式挖掘、轨迹可视化等关键技术,研究范围可涵盖数据本身、城市交通状态以及城市居民出行活动等。本文以城市交通轨迹数据为研究对象,针对移动轨迹数据停留点提取、轨迹-有向线查询和索引、城市居民出行热点挖掘等问题展开研究,主要工作和创新点如下:（1）提出一种交互式移动轨迹停留点提取方法。轨迹停留点蕴含重要语义,提取停留点是很多轨迹数据挖掘的基础步骤。当前的停留点提取方法普遍需要预先设置阈值参数,对提取结果影响很大,这些参数大多依靠经验设置。移动对象类型多样,因自身几何物理属性和行驶环境的不同导致轨迹数据差异较大,非专业人员并不容易设置合适的经验参数。针对该问题,本文设计了交互式可视化的方法提取移动轨迹停留点,首先采用时空立方体（the Space-Time Cube,STC）方法将移动轨迹可视化,然后用户交互式选择典型轨迹停留点,通过计算停留区域3维包围盒的几何特征自动确定阈值参数,最后采用滑动窗口法提取停留点。该方法有助于直观快速确定阈值参数,可以有效提高非专业人员提取轨迹停留点的效率。（2）提出一种面向手绘检索的轨迹-有向线相似性定量计算方法。相似性计算是轨迹数据挖掘的核心问题,轨迹查询、聚类、异常检测等问题的关键都是相似性计算。在城市交通中,移动对象相对于有向线（如道路）运动时可能发生多次进出、穿过、折返、停留等行为。当前对轨迹-有向线的拓扑查询的研究还不多。针对该问题,设计了基于手绘的轨迹-有向线查询模式,提出一种轨迹-有向线相似性定量计算方法。将手绘笔划-有向线作为输入查询条件,并描述为语义关联的关键点序列。待查询轨迹-有向线也描述为关键点序列。采用点序列距离度量方法计算二者相似性。对具有不同数量关键点的轨迹-有向线使用2种距离匹配方法进行相似性计算验证,结果表明该方法简单可行,能实现轨迹数据定量查询。（3）提出一种面向路网的轨迹-有向线索引方法。受道路网络限制的移动对象索引是轨迹数据管理的重要内容。当前对轨迹数据索引的研究大多针对移动对象位置的索引和查询,不支持轨迹-有向线的拓扑查询。针对轨迹-有向线查询问题,设计了一种双层索引结构ISTR-tree,上层采用R*-tree对路网进行索引,下层采用R-tree对轨迹-有向线关键点进行索引,并计算DTW距离下界以加速查询过程。（4）提出一种基于轨迹数据的城市出行热点挖掘方法。挖掘城市出行热点区域及其交互关系,是探索居民出行规律和移动模式的重要手段。针对当前热点区域提取方法缺少数据聚集性验证等问题,以出租车轨迹数据为例,提出一种基于空间自相关性的出行热点挖掘方法。首先通过几何和时间约束提取出租车上下客点,然后通过网格划分方法,对网格中的上下客点数量进行空间自相关检验,验证轨迹数据的聚集性,再将出租车上下车点聚集成出行热点区域,并建立热点交互网络,量化分析热点区域及其交互关系。