轨迹数据挖掘涉及从轨迹数据中提取行为模式和规律，应用于事故调查、群体跟踪等领域。主要技术包括：伴随模式挖掘与频繁模式挖掘。
-
伴随模式挖掘：通过提取伴随的移动对象，分析对象群体行为。例如，分析时空环境中对象的群体特征，识别Flock, Convoy, Swarm, Gathering等模式。此技术对群体行为的识别有重要应用。
-
频繁模式挖掘：主要从大规模轨迹数据中发现频繁时序模式。这些模式在旅游推荐、生活模式挖掘、地点预测等方面有广泛应用。具体方法包括：
- 基于简单分段的轨迹挖掘方式
- 基于聚类的兴趣区域挖掘方式
- 基于路网匹配的频繁模式挖掘方式
算法方面，频繁模式挖掘通常使用以下两种算法：
- 基于Apriori算法的模式挖掘：适用于频繁项集和时序数据的挖掘。
- 基于树结构的模式挖掘：优化了复杂模式的高效挖掘。
通过这些挖掘技术，轨迹数据的应用涵盖广泛，从用户行为预测到位置推荐，轨迹数据挖掘的技术正在不断拓展。