社区是我国老年人日常居住、活动的主要区域之一,老年人在社区室外活动及出行过程中面临多种威胁其身体健康乃至生命安全的风险,这些风险在时空轨迹上往往表现出一定的异常性,例如,在外出时意外摔倒、走失、因体力不支而被困等。然而,目前专门针对社区老年人异常轨迹预警的相关研究和系统应用极少,因此,本文融合轨迹数据、身份属性数据、天气数据,研究社区老年人异常轨迹预警方法,设计并实现预警系统。本文的研究内容和结果如下。（1）建立社区老年人异常行为规则库。提出社区老年人行为链,其中包含社区老年人的身份属性、运动状态以及天气信息。规则库中提出了460种社区老年人异常轨迹判断规则,即异常行为链。（2）建立基于实时数据的社区老年人异常轨迹预警模型。本文基于ST-DBSCAN聚类算法和动态时间规整算法（DTW）建立了异常轨迹识别模型,并定义了四种异常运动状态（移动轨迹偏离日常轨迹、长时间驻留于非日常访问地点、移动速度过慢、外出时间过长）。使用北京市YG街道的老年人轨迹数据,验证了预警模型的有效性。结果显示,模型运行过程中共出现四次异常预警,其中三次为正确预警,一次为误报。该模型为社区老年人异常轨迹预警系统的建立提供了算法支持。（3）建立基于不完全信息的社区老年人异常轨迹预警模型。本文基于LSTM算法,建立了异常轨迹识别模型。使用北京市YG街道的老年人轨迹数据,对模型进行了训练及测试。结果表明,模型在训练集上的平均准确率为0.75,在测试集上的平均准确率为0.72。最后,使用不完全轨迹数据进行模型验证。结果显示,模型对稀疏轨迹的识别效果最好,对不连续轨迹和噪声轨迹的识别效果稍逊,对中断轨迹的识别效果较差。（4）建立社区老年人异常轨迹预警系统。该系统通过前端采集目标人员的身份属性数据,并搭配健康智能手环采集目标人员的轨迹数据。系统后台根据本文建立的社区老年人异常行为规则库、社区老年人异常轨迹识别方法,实现社区老年人异常轨迹预警应用。本文建立的社区老年人异常轨迹预警方法及系统预期可以为老年人在社区室外活动及外出时遇到的异常状况（失去意识而摔倒、体力不支、走失等）提供预警服务,为社区老年人的安全服务工作提供一定的技术支持。