随着定位技术的广泛应用,海量的移动对象生成了海量的移动轨迹数据。这些轨迹数据中蕴含着丰富的知识与规律,亟待得以高效地利用。轨迹大数据不仅具有大数据的特征,还具有轨迹数据独有的特点,如时空序列性,时空分布不均匀等。轨迹大数据查询系统的构建具有诸多难点,如大数据技术框架下轨迹大数据噪声点的清洗、轨迹大数据的索引与查询等。为了准确高效地查询到满足查询条件的轨迹数据,本文借助Hadoop平台具有的处理、存储大数据的能力,设计并实现了一个基于HBase的轨迹大数据查询系统,并基于实验室积累的海量真实轨迹数据进行了实验验证。轨迹大数据查询系统是轨迹大数据应用的基础与支撑,本文以构建轨迹大数据查询系统为出发点,重点研究了系统构建过程中几个重要模块,包括轨迹清洗、轨迹索引和轨迹查询。具体工作围绕以下三个方面开展:（1）结合原始轨迹数据存在的典型数据质量问题,提出了一种轨迹数据清洗流程。在该清洗流程中,根据原始轨迹数据异常种类的不同,将其分为两类分别进行处理,第一类是根据导入数据的时空边界对轨迹数据进行筛选,将不在时空采集区间上的轨迹数据过滤。第二类则是针对轨迹中出现的漂移点问题,通过设置速度与加速度阈值的方法,由满足阈值条件的最长的子轨迹先作为基准轨迹,通过向两端拓展的方式,完成对轨迹数据的二次筛选。（2）针对轨迹大数据面向对象-时间范围查询与面向时间-空间范围查询两类查询,分别设计了相应的索引结构与存储模型,并对分布架构下的查询方法做出优化。特别是针对时间-空间范围查询的查询需求,创新性提出了一种基于历史数据预分区的索引方法,通过构建辅助二级索引结构,对轨迹大数据的存储进行了优化,从而提升查询的效率,并基于该索引结构提出了空间冗余与空间切割的两种查询方法。通过实验的验证,本文提出的索引及查询方法,可以有效提升具有不均匀分布特征的轨迹大数据的时空查询性能,在保证查询结果准确性的同时,最大限度地减少生成子查询的数量。（3）设计并实现了轨迹大数据查询系统。系统基于Spring Boot开发,利用了Hadoop生态中的Map Reduce、HBase和Flume等组件,实现了轨迹数据从清洗、索引到查询可视化的全生命周期管理,可为后续的分析与挖掘提供保证。系统在应用于疫情防控的查询需求时,针对导入的海量轨迹数据,对象-时间范围查询与时间-空间范围两类查询都可以得到良好的查询时间响应。