近年来,以智能手机等移动设备为载体的移动应用得到了广泛使用,并逐步影响人们的生活方式。人的移动性带来的位置行迹不仅记录了人的行为历史,也记录了人与社会的交互活动信息,这些位置轨迹数据的分析与利用,可以为基于位置的服务系统提供更好的帮助。本文通过分析典型行迹数据简化、聚类及挖掘方法,研究了基于线段的频繁行迹数据聚类方法,提出了一种基于前缀树的频繁行迹挖掘方法,并进行了实验分析和验证,表明本文方法具有较好的性能。本文主要工作包括:　　(1)由于从移动设备中获取的GPs行迹具有数据量大、处理时间长,存在异常值等问题,因此需要进行预处理。本文首先介绍了行迹数据简化的主要依据,即垂直欧式距离和基于时问的垂直欧式距离概念,然后详细介绍了典型的行迹数据简化方法和行迹平滑方法,并对这些方法进行了实验分析和对比。　　(2)针对移动对象行迹中的位置模糊性问题,在分析现有的基于行迹点聚类和线段聚类方法基础上,利用位置点的时间特性提出了一种基于DBsCAN的行迹聚类改进算法。该方法加入了时间邻域阈值以及合并限制条件,来避免生成过大的频繁区域,实验结果表明该方法具有良好的聚类效果。　　(3)针对现有频繁行迹挖掘算法时间效率较低等问题,提出了一种基于前缀树的行迹挖掘方法,该方法首先构建行迹数据的完全前缀树,然后调整完全前缀树为相应的偏序前缀树,最后采用深度优先遍历算法挖掘频繁行迹。实验结果表明,基于前缀树的频繁行迹挖掘算法具有较好的时间效率。