随着监控设备的大量使用、全球定位设备、移动计算设备的广泛普及,人、车辆、船舶、航空器等行驶轨迹数据急速增加,轨迹数据的有效处理,包括轨迹总结、轨迹聚类、轨迹异常检测,变得非常重要。本文提出了一个新的轨迹总结框架,将大量的复杂轨迹用少数的摘要轨迹概括,提取轨迹数据集的模式,通过对相似轨迹特征的压缩,突出轨迹内在规律。本文的轨迹总结算法可得到三方面的结果:轨迹总结,即计算出多尺度的摘要轨迹;轨迹聚类,即获得轨迹数据内在规律的模式;轨迹异常检测,即识别出运动模式与现有规律相左的轨迹。本文方法从信号处理的角度,将轨迹视为在时间和空间上变化的信号,用滤波来进行轨迹间的计算。总体上,本文框架可以分为两部分。预处理部分,通过Jensen-Shannon距离(JSD)度量轨迹重采样前后的差异,将原始轨迹重采样成具有相同采样点个数的轨迹,并去除原始数据的噪声。非局部滤波部分,重采样后的轨迹通过轨迹间相似性匹配成轨迹组,小波滤波被作用于轨迹组,并产生摘要轨迹。本文的轨迹总结算法不仅能够提供多尺度的摘要轨迹,而且能够同时将异常轨迹检出。本文特别设计了三个客观评价指标:摘要尺度(GA)、保真度(FID)、冗余度(DR),全方位度量摘要轨迹特性,评价轨迹摘要的优劣。大量实验表明,本文轨迹总结框架所获得的结果,在客观评价和主观评价方面,都优于传统聚类方法。