不同类型的移动目标,其轨迹特征会有较大的差别,如船舶的区域类轨迹和交通工具的折线类轨迹.通过对移动目标的历史轨迹所隐含的频繁模式进行研究,有助于挖掘对象的移动行为特征和预测对象的移动轨迹.面对大量的不确定移动目标所产生的轨迹数据,可以使用关联规则挖掘算法去提取对象的移动轨迹模式,以此来预测对象的轨迹或检测其行为是否规范.FP-growth算法因为其对数据库的访问次数少,所以挖掘移动目标产生的大规模数据时更能体现出其效率优势.提出一种基于FP-Tree改善的轨迹模式挖掘算法,其更适合轨迹这种序列数据.对于移动目标的频繁轨迹模式挖掘的关键问题为:1)大规模轨迹数据预处理;2)针对不同对象的轨迹数据的FTP-Tree的建立;3)使用FTP-Tree挖掘出的轨迹模式的准确性.最后,针对以上关键问题结合相关技术提出解决办法并进行阐述.