近年来,随着我国城市经济迅猛发展和交通行业的不断壮大,交通拥堵已经成为影响市民生活和城市发展的重大问题。通过卫星、手机等定位工具,时空数据的获取也越来越强。如何通过对所获得的轨迹数据进行挖掘,为居民提供快捷、有效的交通信息,从而方便出行,减缓交通拥堵,提高道路通过能力,成为研究者十分感兴趣的课题。但由于轨迹数据己远远超出了人类可直观理解的范围,且具有时序属性和空间属性等特点,传统的聚类方法在其分析和处理中存在一定的局限。本文针对轨迹数据中存在的位置重复、路径重复等特点,开展了基于关联性的轨迹聚类方法研究,并设计完成了相应的原型系统。具体研究工作如下:第一,针对轨迹数据中地理位置大量重复的特点,提出了一种基于轨迹间时空关联性的数据聚类算法。该方法主要包含两个阶段,在第一阶段中,首先根据最短停留时间限制和半径r确定初始中心代表点,然后将所在簇的最大距离作为该初始中心代表点对应的半径R,之后根据最短移动时间约束合并相邻的初始中心代表点并调整半径R,得到中心代表点集。第二阶段主要处理新增轨迹数据,首先将轨迹点与中心代表点集进行匹配,删除匹配成功的点产生新轨迹,然后对新的具有聚类价值的轨迹执行第一阶段中的操作,最后根据聚类结果更新中心点集,并完成聚类。实验结果表明,该算法能够有效降低算法的时间复杂。第二,针对在一定区域内,轨迹路线大量重复的特点,提出了一种基于轨迹间时空关联性和命中因子的轨迹数据聚类算法。该算法首先计算每个中心点的命中率VT和时间t等相关数据,选择命中率较高的中心点先进行匹配;然后通过引入的命中因子AF对选中的中心点进行匹配,并把匹配顺序放入到重复路径rout序列中。在处理新的轨迹数据时,先根据rout序列中的路径与NCR进行匹配,剩余的具有聚类价值的数据点重新产生中心点,最后更新NCR,如果NCR中出现新的中心点,则需同时更新rout序列。实验结果表明,命中因子AF的引入能缓解匹配重复路径带来时间浪费问题,提升轨迹聚类的时间效率。第三,设计并实现了基于时空关联性的轨迹数据聚类分析原型系统。该原型系统主要功能包括:中心点集生成、重复路径生成、聚类结果分析,聚类结果保存等功能模块。该系统运行结果显示,系统可以更快的得到交通拥堵的位置点,从而为用户选择快捷、便利的交通路线做依据。