由于我国经济的快速发展,大城市中交通拥堵成为了普遍的现象。找到一条方便快捷的路径,顺利地到达目的地,成了人们出行的迫切需要。一般地,在路径规划中,人们往往根据导航选择大众所熟知的的道路。可是,在人口和各种交通工具密集的市区,由于聚居的人群以及学校、幼儿园、市场等区域生活热点的不同,使得导航所推荐的路径规划常常不能适用。通常,生活在一个相对固定区域的人们对他们周遭的生活热点的规律、上下班不同时段交通情况等等都非常熟悉,他们往往会规律性地选择交通情况较为良好的路段出行,有效地避开周期性的市场、学校上下学等可能的拥堵。本文针对这一问题展开研究,通过分析移动对象的轨迹序列模式,挖掘出带有规律性的、交通情况良好的路段,为用户进行合理的路径推荐。主要工作如下：首先,在轨迹数据预处理方面,针对本文研究的问题的特殊性以及轨迹数据数据量大,处理起来时间复杂度高等特点,本文提出了基于网格的数据处理方法,划分时间段,在不同的时间段内采用自适应的方法建立分层网格结构,把该时间段的数据映射到网格上,然后基于不同的用户标识建立轨迹倒排索引列表,利用不同的网格标识表示一条轨迹,进行接下来的轨迹处理。其次,在提取轨迹特征方面,针对不同的时间段上的每个上层网格单元,提取出该网格内的位置和时间信息,提取有效的特征值,以此作为判断交通拥堵情况的标准。针对每个网格进行交通情况的判断。进而为接下来提取出有效的周期序列模式做准备。再次,在周期序列模式的挖掘以及连通序列模式的连接方面,本文提出了基于个别用户在不同时间段的位置信息的轨迹判断。先判断轨迹序列模式是否满足规律性以及交通情况良好的标准,进而判断提取出的序列模式是否可以成为有价值的周期序列模式,以此来挖掘周期序列模式。再根据周期序列模式的首尾位置是否相邻,判断不同的周期序列模式是否可以进行连接,进而形成更具有参考意义的连通序列模式。最后,本文分别使用真实的GPS轨迹数据集和根据采集到的轨迹数据进行扩展的人造数据集进行大量的实验论证与分析,实验结果表明：本文提出的移动对象轨迹倒排较原始的方法可以大大的减少解决最优路径查找问题的时间,方便有效地查找轨迹数据信息,并在实际的生活中具有较大的应用意义。总之,本文提出了一个具有实际意义的轨迹模式查找问题,建立了有关轨迹数据的索引结构并且交通拥堵情况的判断、挖掘有价值的周期序列模式等,解决了基于有规律行为的用户的轨迹模式查找的问题。本文所提出的方法不需要任何其他的相关信息,只需考虑轨迹的原本特征,在可操作性和实用性方面具有明显的优势。