渔船轨迹大数据是促进现代海洋经济发展的重要资源,对这种资源的有效利用能够提升我国渔业生产的管理水平,对实现渔业现代化具有重要意义。对渔船航行轨迹数据的分析在航线冲突碰撞预警,捕捞强度预测等方面的运用对渔业资源生产的科学化,系统化管理具有重要作用。相较于拥有路网约束的道路交通轨迹数据,渔船航行轨迹数据具有区域数据点密度高、数据点分布随机、形状无规律、单条轨迹数据的轨迹点数量不统一等一系列特点,这使得传统的时空轨迹索引方法无法很好地对渔船轨迹数据进行相似性索引、查询。为解决以上问题,本文主要进行了以下工作:（1）提出了基于Geohash与网格结构的轨迹数据相似性搜索算法:为解决因渔船轨迹数据单位空间数据密度高、轨迹形状无规律、单位时间轨迹数据量不统一,在使用传统相似度索引构建的查询算法时导致的索引构建缓慢、查询速度下降等问题,提出基于Geohash和动态网格的渔船轨迹相似度搜索算法。利用具有唯一性的Geohash构建历史数据的可变动态网格结构,在进行轨迹查询时,将轨迹转换为对应数量的Geohash轨迹网格,对每个网格内属于同时间维的其他轨迹点进行计数,并对计数结果中的某条轨迹的轨迹点数量与该条轨迹的轨迹点总数之间进行比值计算,根据计算结果是否达到设定标准来确定轨迹的相似。在使用真实渔船轨迹数据进行的对比实验中,文中提出的方法在索引构建速度上相较于对比算法提高了52.33%,范围时空查询速度提升了约18.24%,有效的提高了获取相似渔船轨迹数据的速度,为进一步的数据分析提供了支撑。（2）提出了基于数据社区聚集性及列式存储结构的分布式索引结构:为解决算法在单机模式下运算时间较长、序列组相似性搜索速度较慢、数据特殊的聚集特征所造成的子查询激增等问题,提出了基于数据社区聚集性及列式存储结构的分布式索引结构。对在构成数据网格过程中,由于特殊聚集特征造成的数据空洞问题,利用渔船轨迹数据所拥有的社区聚集性来构建索引,并对关联数据网格进行合并分片,以此来减少或忽略无效的数据网格;通过使用列式存储方式进一步减少数据搜索中产生的子查询数量,以达到减少搜索时间的目的。在基于实际渔船轨迹数据所进行的实验中,新方法所产生的子查询数量相较于对比用的算法减少了约15.9%,算法响应的时间减少了约15.6%,并能够在数据搜索范围扩大情况下维持较为稳定的算法响应时间,较为有效的提升了算法的搜索效率,减少了计算时间。