运动目标在运动过程中随时间变化的坐标点集合称为轨迹,是对运动目标长久以来的历史活动的描述,并较为准确和详细的记录了其活动中的时空信息。运动目标时空大数据分析可以帮助我们更好的了解和掌握移动对象的意图、目的、运行规律及变化趋势。运动目标的轨迹属于时空数据一类,包含时间和空间维度。时空轨迹数据挖掘按照挖掘的任务可分为时空聚类挖掘(在许多的运动目标中挖掘相似度比较高的轨迹,将运动相似的归为一类)、时空模式挖掘(从时空数据集中挖掘出出现频率最高的数据,如在运动目标的活动轨迹中找出目标出现次数较高的范围、行为和活动等)、时空预测和分类(从目标的历史移动轨迹出发,推测出其未来的运动变化趋势、意图或者行为目的等)以及时空异常点检测(对某一目标的所有运动轨迹进行挖掘,找出其中与其他大部分轨迹相似度非常低的轨迹)等。本文主要研究运动目标行为规律挖掘,其属于时空模式挖掘范畴。1)对于运动目标轨迹数据的预处理,采用TDTR算法对数据进行压缩处理;2)对于轨迹数据的索引访问问题,基于“化球为方”思想的全球剖分框架分块理念和编码设计,编码方式必须对实际目标数据的组织、存储、索引及访问技术做快速有效的支撑,采用了高效访问空间块中数据通用的方法,将所获取并存储到空间块的数据进行高效访问;3)最后对其进行挖掘分析,按空间块统计每个区域内的轨迹点数量,根据设定的阈值,过滤轨迹点量少的区域,采用基于密度的DBSCAN聚类算法思想判断轨迹点之间的密度可达性,剔除掉不可达的活动异常点和噪点信息。最后,将生成的频繁活动空间块输出,生成运动目标的频繁活动区域。本文实验部分利用分布式技术从开源互联网中获取海上目标船舶AIS数据作为实验数据,然后访问存储到空间块中的AIS数据,统计每个空间块区域中的AIS数据,生成海上运动目标船舶的频繁活动区域,挖掘出其运动规律和目的。