随着电子监控技术和司法体制改革工作的开展,在社区矫正领域,电子监管技术得到了研究和应用。随着社区矫正服刑人员位置信息的累积,如何利用这些数据给社区矫正的工作提供帮助是一个很有意义的研究方向。面对此需求,本文对社区矫正领域的行为轨迹的处理在DBSCAN算法的基础上进行了一些改进来进行分段和聚类。该方法能够对社区矫正的人员出行轨迹进行识别和特征提取。并将其与POI数据结合分析其语义信息,给社区矫正的轨迹处理问题提供了一个新的处理方法。本文研究的主要内容如下:(1)将传统的结构性数据转换存储到图数据库neo4j中,实现了对其相关信息的转换存储,通过spring boot+maven搭建项目,将图数据信息使用D3进行了可视化,极大的便利了社区矫正管理人员的日常管理工作,也为以后社区矫正服刑人员之间的人际关系处理方法打下了基础。(2)对轨迹数据进行拟合,使得服刑人员的轨迹显得更真实,对异常采集数据进行处理,对其进行了区别显示。(3)对服刑人员的历史轨迹按天进行统计分析,将POI数据与轨迹数据结合赋予单纯的出行轨迹以语义信息,使得其出行模式与语义结合更有实际意义。对一般出行轨迹进行建模,将新到来的轨迹数据与一般出行轨迹模型对比,识别出异常轨迹,提醒管理人员该服刑人员的轨迹是否偏离其一般出行轨迹,提高管理人员处理问题的针对性。研究结果表明,本文的处理方法对出行方式较为规律的社区矫正服刑人员的出行模式识别准确率较高,对于不规律的出行轨迹识别还有待提高。