传统的空间索引技术通常针对移动对象进行处理,很难实现对轨迹数据的快速查询和高效的计算分析。同时,海量轨迹数据也对集中式的轨迹索引方案形成了挑战,而以网格算法、R-tree等为基础的分布式索引技术,在资源占用和构建速度等方面都存在问题。本文对以上问题,展开了如下研究:(1)本文首先提出了一种基于位图编码的轨迹数据处理方法,设计了基于位图技术的查询算法,对比了基于时空数据库的查询方案,通过实验检验了其计算效率以及拓展为处理轨迹查询方案的可行性。(2)本文基于提出的轨迹编码方法设计了面向轨迹的范围查询方法,对基于位图技术的算法进行拓展,提出了解决轨迹数据范围查询问题的算法,分别对比了基于时空数据库和纯内存R-tree索引的查询方案,分析了面向采样点与面向轨迹对范围查询性能的影响。(3)本文基于提出的轨迹编码方法,对面向轨迹的空间几何关系的查询问题进行了分析,结合数据过滤与常规的几何关系计算技术,提出了解决查询穿过指定区域的轨迹的问题的算法,分析了面向轨迹的计算方法的易拓展性,通过实验,分析了所提出算法对加速查询性能的影响程度。(4)本文基于Spark分布式计算框架,分析了时空数据并行查询方案的架构,确定了分布式查询的关键步骤,本文完成了对所提出的轨迹编码方法在Spark框架中的实现,分析了查询方案构建代价和对系统资源的要求。通过实验,验证了大数据环境下面向轨迹查询方案对面向采样点查询方案的优势。研究结果表明,在海量轨迹数据分析的密集计算情况下,本文提出的面向轨迹的查询方案能够具备分析轨迹数据的查询效率,面向轨迹的查询方案比通用查询方案有更高的查询性能。