随着通信、传感和定位技术的快速发展,设备价格逐步降低以及社会和市场需求的强劲推动,和移动对象位置感知相关的应用呈现迅猛发展,而且在未来将成加速趋势。而随着时间的推移,空间和时间均可能变化的移动对象将累积大量的历史轨迹数据,对这些数据进行存储、管理和利用,发掘其中有用的信息,可为企事业单位的生产运作管理、政府部门的公共服务、居民的日常生活安排提供更加量化与科学的决策帮助,因此是大数据战略的重要内容和实现的必由之路。尽管目前已经有许多研究成果涉及移动对象历史轨迹数据的处理,但应用实践中的新需求和新问题不断涌现促使其持续成为研究热点。鉴于此,本论文对移动对象历史轨迹的若干查询与索引技术问题进行了研究探索。论文的主要贡献和创新之处概括如下:（1）首次提出基于移动对象轨迹集合的历史近邻事件查询问题,并设计了面向轨迹的近邻事件查询算法和面向静态点的近邻事件查询算法。将节点访问代价估计方法从空间查询推广至时空查询,并分别针对面向轨迹的查询算法和面向静态点的查询算法构造了上限估计模型和精确估计模型。（2）首次引入不确定移动对象历史近邻事件查询问题,提出通过查询距离度量把不确定查询问题转换为确定查询问题的处理思路,并证明了单个不确定被查询对象或多个不确定被查询对象情况下直接接受查询结果或进行剪枝处理的基本定理。为支持该查询,提出U-TB树结构及其随机插入算法和批量插入算法。（3）首次将查询过程中未知线段时间长度不确定问题及被查询对象位置不确定问题引入轨迹相似度阈值查询,并具体实现确定轨迹相似度阈值查询算法和不确定轨迹相似度阈值查询算法。提出新的不相似度及相似度度量使查询阈值更加直观,也便于理解和设置,同时提出新的剪枝度量使查询算法具有更高的效率。（4）提出时间分区轨迹索引,设计了轨迹查询的线性搜索启发式规则,并实现具体的轨迹查询算法和范围查询算法,接着分别提出算法的节点访问代价估计模型。实验证明了分区索引结构合理、代价模型可信、基于轨迹的查询算法具有较好的效率、效果和可扩展性。