为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法.首先,改进均匀参数化法降低了飞行轨迹数据规模.其次,提出一种基于核主成分分析(kernel prin-cipal component analysis,KPCA)和飞行轨迹降维方法,突出不同类点之间的差异.最后,采用基于密度空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法剔除飞行干扰轨迹并完成聚类.实验表明,该方法在简化数据预处理的条件下,对1243条飞行轨迹实现准确聚类,划分识别出6个类别,保持较高的聚类质量并识别异常轨迹.相较于其他聚类方法,该方法简化了聚类前对飞行轨迹的预处理,提高了聚类效率,聚类效果更加准确,并能够识别异常轨迹.