随着无线传感器网络、数字通信技术、定位技术等高速发展,以及移动终端设备的大规模应用,可以方便地获取人们日常活动所产生的地理位置信息,从而为轨迹数据挖掘提供了有力的支撑条件。轨迹异常检测是轨迹数据挖掘研究领域的重要分支,它能够判断移动对象是否偏离正常的轨迹路线或者是否发生突变行为。如果能检测出移动对象的异常轨迹,分析出异常发生的原因,那么在未来既可以通过合理的决策规避类似问题,也能够为公安部门在侦破案件时提供线索。本文面向移动终端设备中大量的用户轨迹信息,主要研究如何检测用户的异常轨迹。在停留轨迹异常检测中,为了减少噪声点的干扰以检测出更多的停留点,提出了两阶段的停留点提取算法TSPEA;提出了基于改进凝聚层次聚类的异常停留区域检测算法DAASRIAN,用于检测用户的异常停留轨迹。在移动轨迹异常检测中,通过已提取的停留点对整个轨迹进行分割,从多个维度计算移动轨迹间的距离,为了降低预定参数对移动轨迹异常检测的影响,提出了基于OPTICS的移动轨迹异常检测算法。使用Geo Life数据集进行实验,结果表明本文所提出的算法可以提取出更多的停留点,并能有效地检测出用户的异常轨迹。此外,本文设计并实现一款用户轨迹异常检测系统,该系统能够从移动终端设备中采集用户的轨迹,发现用户的停留点,检测出用户异常的停留轨迹和移动轨迹。