爲了做好城市規劃和交通管理工作，對車輛運動軌跡的分析和研究是必不可少的一項工作。然而，現實中每時每刻都有成千上萬的車輛在城市中，短時間內的車輛軌跡採集即可形成大量數據。數據的極度龐大和錯綜複雜使得人們難以直接通過所採集的軌跡數據獲取任何有效信息。而對交通軌跡數據的聚類則可以有效地將數據約簡，並從中挖掘出軌跡信息潛藏的規律，爲進一步的決策工作提供有價值的參考。爲此，本文提出一種實現軌跡聚類的方法，主要包括了軌跡數據清洗，軌跡相似度計算，軌跡聚類以及數據可視化等四個部分。文中通過計算兩條不同軌跡在任意相同時刻的平均空間距離求得軌跡相似度，相比於經典的Frechet distance算法，該方法同時考慮了空間和時間因素對軌跡相似度的影響，能夠更加客觀地反映交通的真實情況。
文本採用法國克雷泰伊的一個環形道路上晚上車流高峯時期（17.00-19.00）的車輛行駛數據作爲實驗數據（下載地址：http://vehicular-mobility-trace.github.io/）。數據集的採樣頻率爲每秒1次，包含了車輛名稱，採集時刻，車輛座標等信息。
