随着信息技术的快速发展,当今社会已步入“信息爆炸”时代,如何有效利用海量数据信息服务社会是一大研究热点。当下人口走失问题备受社会关注,追踪走失人口仍需大量的人力排查,缺少有效的手段。针对上述问题,进行移动目标轨迹分析,可有效地提高追踪效率。随着智能手表用户量的递增,作为便携的可穿戴设备,智能手表定位数据成为移动目标轨迹数据的重要来源之一。本文针对人口走失追踪问题,依托智能手表及移动目标失踪前的轨迹数据,构建一个综合性移动目标分析平台。论文主要工作如下:（1）提出了适应于移动目标轨迹数据的目标行为特征分析方法,为移动目标分析提供理论与算法基础。针对移动目标轨迹数据特征,通过算法对比,选取卡尔曼滤波算法对原始时空轨迹数据进行精简、平滑等处理获取有效数据集;然后对比了不同轨迹相似度量指标,采用余弦相似度来定量评价轨迹相似度,锁定目标的伴随目标,有效地缩小伴随目标范围;在此基础上选取基于密度划分的DBSCAN聚类算法,进行目标常驻范围分析,通过确定最佳半径与最佳聚类数量分析移动目标的日常行为特征。（2）设计并实现了一个综合性移动目标分析平台,为移动目标分析提供平台支撑。通过需求分析进行了总体架构及数据表结构设计;采用VUE与JAVA技术栈,基于Data V动态可视图表进行平台数据展示,搭建了基于B/S架构的移动目标分析平台;利用异步事件驱动,保障了系统的稳定性与鲁棒性。在此基础上,基于开源数据集对平台功能与性能进行了测试,结果表明所搭建的平台功能完备、性能可靠。本文提出的目标行为特征分析方法与移动目标分析平台已应用于某市“特定目标人群轨迹监测与分析系统”,有效减轻了当地警方人员压力,提高了目标追踪效率。