近年来,智能交通系统(Intelligent Transportation Systems,ITS)已成为提高交通系统性能和增强出行安全性的有效方式。但随着系统数据量的增加,数据缺失问题日益严重,其中由于车载GPS信号丢失导致的轨迹数据缺失是主要的研究问题之一。引起GPS轨迹缺失的原因的多样性造成数据补全工作困难,且至今很少有关于轨迹缺失规律的研究。针对GPS信号丢失原因多样化的问题,基于大量真实数据,首次将生存分析应用于数据缺失领域,提出了基于生存分析的GPS轨迹缺失规律挖掘模型(Survival Analysis-Missing Trajectory Pattern Mining,SA-MTPM)。首先通过生存函数描述信号丢失时长与丢失原因的关系,然后利用Cox回归模型分析信号丢失的关键因素。使用上海市强生出租车公司一个月内13666辆车的数据进行实验,结果表明GPS轨迹缺失存在一定规律,据此可以方便地对信号丢失事件进行识别分类,为进一步对大数据进行研究提供了参考。