随着GPS设备和无线通信等技术的快速发展,城市交通中的车辆轨迹数据的多样性和复杂性与日递增,对车辆轨迹数据的挖掘和分析越显重要。在车辆轨迹的观察时间内,车辆的轨迹是稀疏的——车辆轨迹中的轨迹点在时间维度上分布是不均匀的,即轨迹点之间的时间间隔不是相等的；而且不同车辆的轨迹时间跨度不一样。有些车辆的轨迹时间跨度很长,而另一些车辆的轨迹时间跨度却很短,并且车辆轨迹的时间跨度占整个观察时间的比例很小。传统的轨迹相似性方法难以用于稀疏轨迹的相似性分析。本文针对城市交通中的车辆稀疏轨迹相似性进行研究,分析稀疏轨迹的特性以及适用它的轨迹相似性方法。本文第一章介绍了课题研究的背景和意义,研究了城市交通中的车辆稀疏轨迹的特征,并介绍了它的应用场景及其带来的研究价值。本文第二章介绍了轨迹相似性方面的相关研究工作,分析了现有方法在车辆稀疏轨迹上存在的不足。本文第三章提出了关键点思想,讨论车辆稀疏轨迹中关键点的合理选取方法,并给出寻找关键点的算法。本文第四章提出了时间分段思想,讨论如何有效的对稀疏轨迹进行时间分段,并给出时间分段的算法。本文第五章基于第三章中的关键点思想和第四章中的时间分段思想,提出了一种稀疏轨迹相似度度量,并在此基础上给出了一个相似性计算算法STS(Sparse Trajectory Similarity Computation)。在真实数据集上的实验表明,STS算法较现有算法具有更好的运行效率和准确度。本文的主要工作包括：(1)研究了城市交通中的车辆稀疏轨迹的特性,并且讨论了稀疏轨迹的应用场景及研究价值；(2)研究了传统的轨迹相似性方法在稀疏轨迹上的运行效果；(3)提出了关键点和时间分段思想,在此基础上给出了一种稀疏轨迹相似性度量和相似性计算算法STS；(4)在真实数据集上的实验,证明了STS算法在运行效率和准确度方面都比传统的算法要好。