车辆运行轨迹是车辆行为最直观的体现,通过分析车辆轨迹,一方面可以获取场景信息,另一方面可以检测车辆行为。本文通过对车辆运动轨迹的提取、聚类和异常检测,来实现对车辆行为的描述和分析。其中,本文重点对车辆轨迹的方向特征、轨迹相似性度量以及轨迹异常检测等方面进行了研究,提出了相关概念和算法,并通过基于真实数据的实验验证了算法的合理性和有效性。本文主要做了以下几个方面的工作：首先,采用背景差分法和基于Kalman滤波的目标跟踪方法实现运动车辆视频检测与跟踪,提取车辆的运行轨迹,为后面的轨迹分析工作提供轨迹数据；然后,根据研究问题的需要,系统地分析了车辆轨迹的方向特征,提出了方向角、转向角、主方向等概念,在轨迹特征的基础上定义了中心-主方向距离和方向角距离两种相似性度量,并将其应用到轨迹聚类中,通过实验验证这两种相似度的有效性；接着,在聚类的基础上利用区间分段的方法,提取出每类轨迹的典型模式,并根据每类轨迹与典型轨迹模式的偏差建立统计模型,典型模式和偏差统计模型共同描述各类轨迹的分布状况；最后,根据待测轨迹与典型轨迹的偏差,提出了单点和多点轨迹异常检测的方法,单点检测考察单点的位置是否异常,多点检测综合考虑连续采样点的位置和方向两方面异常情况。