随着装有GPS功能的智能手机、出租车等大量可以获取时空数据的设备出现,产生了大量的轨迹数据、带地理标签的媒体数据及签到数据。基于这些数据的查询与挖掘也得到了广泛关注,研究成果可以应用于基于位置的服务、选址等领域。在时空数据中有一类表示用户在某一时间到达或者离开某一地点的数据,称之为到达离开数据,它可以是社交网站的签到数据、轨迹数据中的停留点及公共交通中乘客抵达或者离开的位置数据。到达离开数据的时空聚簇可以反映对象在一段时间、空间内的聚集情况。基于到达离开数据,本文提出了异常聚簇查询问题。将到达离开数据进行周期性划分,采用时空聚类算法对周期性的数据进行聚类,通过比较不同周期内聚簇的异常度,查询具有最大异常度的k个聚簇。同时本文还研究了到达聚簇与离开聚簇的对应关系,给定到达数据中的聚簇,在同一周期的离开数据中发现与其相对应的聚簇。到达离开异常聚簇查询可以应用于城市安全管理、基于位置的服务和交通调度等方面。以上研究问题的挑战在于如何对到达离开数据进行有效聚类,聚簇的异常度度量计算以及高效的异常聚簇查询算法设计等。根据到达离开数据的特点,在传统的DBSCAN算法基础上加入时间与聚簇空间规模约束,提出了区域敏感的时空聚类算法,该算法可以产生适应实际区域大小的时空聚簇;在聚簇的异常度计算方面,提出了基于二分图最大匹配的聚簇异常度度量;在异常聚簇查询算法方面,本文设计了基本的两阶段算法、优化的两阶段算法与动态建图匹配算法三类查询算法。其中,动态建图匹配算法将二分图的建立与匹配相结合,只在需要进行匹配时才动态创建边,通过减少建边的数量来提高算法的运行效率;在到达与离开聚簇的对应方面,本文提出了有效的到达离开聚簇匹配算法,通过对到达与离开聚簇二分图匹配对象的相似程度,找到与已知到达聚簇所对应的离开聚簇。本文从真实的出租车GPS数据中抽取出表示乘客到达离开的信息,生成到达离开数据集,用于测试所提出算法的有效性及运行效率。测试评价结果显示:到达离开异常聚簇结果与实际区域发生的事件具有一定的对应关系;使用所提出的聚类IDBSCAN_T与传统的DBSCAN相比得到的聚簇更适合本文的应用需求;所提出的基于二分图最大匹配法的簇间度量方法与异常聚簇查询算法具有合理性;所提出的三类算法中动态建图匹配算法具有更高的运行效率。