随着无线通信和移动计算技术以及全球定位和导航系统的快速发展,时空轨迹数据不断增加,因此对能够分析轨迹潜在模式的技术需求也在增加。同时,现实世界的许多时空现象呈现出顺序和等级性质,时空轨迹数据的模式挖掘就是为了寻找其中一些有价值的潜在模式。传统轨迹模式挖掘的研究重点侧重于如何对某一模式进行更加精准和快速的挖掘,但是对于同一段轨迹序列包含几种不同模式特征的情形没有进行很好的展现,不利于用户发现移动对象的行为模式随时间演化的过程。此外,可视分析的工作和探索空间也有一定的局限性。针对轨迹序列在不同时间粒度下可能表现出不同的行为模式这一现象,本文提出了一种基于轨迹聚类的潜在模式可视分析方法,通过将轨迹数据中模式挖掘的技术和可视分析的技术相结合而弥补了各自方法中存在的不足。具体而言,本文提出了一种基于代表类簇提取的时空轨迹数据模式挖掘算法,首先提出了一种自适应Traclus算法来对轨迹数据进行聚类分析,并在聚类以后根据动态时间弯曲距离提出了一种提取代表类簇的方法,通过对代表类簇的提取来对轨迹中的行为模式进行挖掘。进一步设计了一种多时间粒度的轨迹模式分析视图,建立了潜在模式的可视化交互分析模型,用户可以自主设定时间分区来对轨迹数据中行为模式随时间的变化过程进行分析。此外,为了展示其功能和实用价值,本文使用Atlantic飓风数据集以及Starkey实验项目动物移动数据集对方法进行验证。实验结果表明,本文方法可以为用户进行探索性分析任务提供一个定制性很强的可视交互研究平台,方便用户对轨迹数据中的行为模式变化进行较为灵活的挖掘和分析。