近年来,随着位置感知技术的飞速发展,位置感知设备的价格也越来越便宜,携带位置感知设备的移动终端已经在人们的日常生活中得到了广泛应用,这使得获取海量高精度个体移动数据成为可能。此外,移动互联网的快速发展加速了基于位置服务的流行,Facebook、人人、Foursquare、商咕等基于位置的服务提供商,携带位置感知设备的出租车等其它移动数据来源,每天都产生数以亿计的移动数据。如何利用用户留下的海量高精度移动数据找出潜在的、有意义的轨迹模式,是当前有关轨迹模式挖掘理论研究的热点也是目前亟待解决的问题,它对于移动数据中有价值的轨迹模式的自动抽取与分析有着非常重要的意义。针对上述问题,本文对面向拼车推荐应用的轨迹模式挖掘算法进行了研究,首先使用数据预处理清除无效和冗余的移动数据,并将用户的移动数据转换成停留点数据。其次,本文使用轨迹模式挖掘算法对停留点数据进行处理,抽取出用户的极大轨迹模式,并在此基础上使用相似子轨迹匹配算法找出所有用户之间潜在的可拼车路线,计算拼车路线的相似度。针对拼车应用的推荐问题,本文综合考虑了拼车路线相似度和时间戳相似度两个因素,提出了时间戳相似度的概念和计算公式,给出了用户的拼车路线推荐度的计算方法。最后,本文结合人们日常的乘车习惯,给出了基于路线和基于用户这两种拼车推荐方式。在MIT提供的移动数据集的基础上,本文进行了实验和分析。实验结果表明,本文提出的面向拼车推荐应用的轨迹模式挖掘算法和轨迹模式挖掘算法在拼车推荐中的应用的方法是有效可行的,能够很好的发现用户之间潜在的可拼车关系。因此,本课题的提出以及开展的相关研究工作,是非常有必要的并且是意义重大的,对轨迹模式挖掘的发展和应用具有一定的推动作用,同时为拼车推荐服务的改进提供了一个新的思路。