轨迹数据是指通过对移动对象运动过程的采样所形成的具有时空特征的数据信息。随着位置采集技术的不断发展和采集设备的大量部署,产生了越来越多的移动对象轨迹数据。这些轨迹数据可以用来交通规划,城市规划,兴趣推荐等,具有广泛的意义和重要的价值。如果希望使用轨迹数据进行数据分析和应用,快速高效的查询是必不可少的,而查询的效率通常与数据存储方式和索引结构有关。而存储方式和索引结构,与数据本身的质量息息相关。数据质量的好坏又与原始数据和数据预处理有关。进行数据分析,原始数据无法再进行优化,但细致的数据预处理能够使后续的分析工作更加快速和有效。因此,本文对轨迹分段、轨迹查询、轨迹索引三方面进行了详细的研究工作,设计并实现了分段算法,索引结构与查询算法。具体有如下三方面:1.结合轨迹数据的时空特性,提出了一种基于动态阈值的定点轨迹数据行程识别方法。首先,该方法采用聚类方法确定与阈值相关的时空多粒度参数;其次,根据参数对历史记录进行统计,计算参数对应阈值,最后,利用时空相关参数获取对应阈值,对轨迹进行分段,进而实现行程识别。基于真实的城市交通卡口数据的实验结果表明,使用时空相关的动态阈值方法对定点轨迹数据进行行程识别在准确率和覆盖率上都要优于传统基于固定和单一阈值的方法。2.给出了面向三类典型轨迹数据查询的时空索引结构。首先,根据传统轨迹查询类型归纳了点查询和范围查询两类轨迹查询,其次根据轨迹分段结果,新提出一类轨迹段查询;由于不同索引方式下的查询表现存在差异,进而本文分别为点查询、范围查询和轨迹段查询三类查询给出了R树索引、Z3索引、Z3+索引三种不同的索引结构,使在进行轨迹查询时,可以采用合适的索引结构,从而实现轨迹数据查询效率的提升。3.设计并实现了大数据环境下的轨迹数据查询和管理原型系统。本文选择了Hadoop作为轨迹数据存储和查询的基本环境,选择Hbase做为存储原始轨迹和规范轨迹的数据库,基于Geomesa的开源框架进行开发,实现了三类典型查询以及对应索引构建。同时,基于该系统在相关真实轨迹数据集上实验,验证了本文工作相对于传统工作在轨迹分段、轨迹查询方面都具有更好的性能,也表明了本文工作的有效性和适用性。