GNSS设备、传感器、无线通信等技术的应用实现了移动对象实时轨迹数据的高效获取。这些数据蕴含着不同空间尺度、不同时间尺度和不同复杂程度的属性信息。有效地对其进行处理、挖掘和可视化,能够探索和分析移动对象的内在规律。本文围绕以下几方面研究和设计了移动对象不同维度轨迹数据的模型、相应的操作和分析、可视化算法。目前,对轨迹数据行为模式进行挖掘和可视化时,存在下列问题:(1)低维空间中,用单一轨迹表达多属性、轨迹集描述属性单一、轨迹集属性过度绘制、多链接视图可视化多属性;(2)高维空间中,数据投影算法难以从高维空间获取信息并将其关联到形象直观的低维空间。面对具有复杂性和动态性特征的高维空间数据挖掘和可视化建模时,理论依据和高效算法有待于更加深入广泛地研究。为此,本文分析研究了低维轨迹数据的可视化理论和方法,实现了与矿车轨迹相关的高维轨迹数据的信息挖掘算法和可视化模型。首先,对被广泛应用的聚类算法、点图算法和堆叠算法等技术进行研究,发现其挖掘和可视化低维矿车轨迹数据时存在的不足。改进基于编辑距离和层次聚类的异常轨迹检测方法,以相似性度量和历史标记数据对轨迹进行段分割,将基于点堆叠的停留点位置和数量的计算方法进行重设计。以此为基础,检测了相似性轨迹的特性,评估了异常轨迹的行为模式,绘制了停留点的地理点图,定义了语义轨迹的挖掘模型;以堆叠轨迹为基础,建立了基于移动对象轨迹的回归高程模型,实现了基于静态可视化和动态可视化的多属性关联分析。其次,针对高维矿车轨迹数据,设计了交互式轨迹星坐标i-tStar和交互式三维轨迹星坐标i-tStar(3D)。通过对实际采矿运输数据的可视化展示,验证了该方法处理高维轨迹数据的有效性,并且i-tStar(3 D)比i-tStar 具有更高的自由度。综观全文,有如下创新点:(1)设计了 3D点堆栈形式绘制停留点地理点图的方法,以更好地显示数据的粒度和局部特征;(2)应用堆叠技术,建立了适用于采矿运输车辆轨迹的高程回归模型,以体现堆叠轨迹的高程特性;(3)优化了i-tStar和i-tStar(3D)模型并将其应用于高维轨迹数据可视化表达,展现了动态多维数据的空间特征。