煤矿井下人员定位系统是煤矿井下安全避险系统“六大系统”之一,在长期运行过程中积累了大量的历史数据。对于这些数据进行分析和挖掘,可以发现蕴含于其中的人员运动规律,提高煤矿安全管理水平。煤矿井下人员定位数据所形成的轨迹信息包含了井下人员的实时时空信息,蕴含了井下人员个人行为和状态,如个体的工种、作业活动、意图等。蕴含了井下人员群体行为和状态,如班组作业、交接班等。本文主要以煤矿井下人员定位系统产生的人员轨迹数据,利用轨迹数据分析方法挖掘煤矿井下轨迹数据所蕴含的规律,主要在以下几方面进行了研究:首先,为解决大量轨迹数据的快速查询问题,提出了适用于在大数据背景下的GPU并行处理框架,针对实际操作中Top-K查询时候选集过大的特点,提出基于GPU的煤矿人员轨迹查询方法TTK_GPU(Trajectory Top-K query based on GPU)。该方法通过并行处理在GPU中查询Top-K轨迹候选集合,有效确保了负载均衡,提高查询速度。其次,针对井下轨迹频繁模式抽取困难的问题,提出了一种基于先验条件的近似频繁模式发现算法TFPMA(Trajectories Frequent Patterns Mining Algorithm)。针对轨迹数据量大的问题,提出了一种基于TFPMA算法的分治处理方法TFPMA_DC(Trajectories Frequent Patterns Mining Algorithm with Divide-and-Conquer),既能将内存需求维持在可管理的范围内,又能实现并行性,取得了较好的结果。第三,针对煤矿井下人员角色判定问题,以井下人员轨迹数据为判定依据,提出基于ICNN(Inception Convolution Neural Networks)和LSTM(Long Short-Term Memory)结合的人员角色判定方法DPRT(Determination of Person Role based on Trajectory),该方法采用ICNN抽取轨迹数据的深度特征,采用LSTM实现轨迹数据的长期依赖关系建模,通过训练深度神经网络对人员角色判定。最后,在煤矿井下人员定位考勤系统中增加了人员轨迹在参考轨迹下的快速查询、井下人员轨迹频繁路线的获取与展示以及工种信息缺失下的工作种类识别三个主要功能模块,增强原系统的功能,为安全管理提供软件支持。