随着智能终端的普及和移动定位技术的不断成熟,产生了大量的融合了地理位置信息的数据,轨迹数据就是其中的一种。轨迹数据能够代表具有移动能力的物体(如人类、动物和交通工具)的移动性,在基于地理位置的服务领域具有很高的挖掘价值。目前,轨迹数据挖掘领域已经出现了很多应用,比如对于兴趣点的推荐,即向用户推荐符合他意愿的一个地点,同时,兴趣点推荐也是随着基于位置的社交网络不断发展而出现的一种常见应用。兴趣点推荐不仅能让用户在这个数据爆炸的时代找到符合自身意愿的地点,而且可以为商家提供可观的经济效益。传统的兴趣点推荐方法大多基于位置社交网络中产生的签到数据做出推荐,即根据用户的历史签到信息来推断用户对于其他尚未签到的地点的偏好。然而,签到数据的产生依赖于用户对于地点的签到意愿,具有稀疏性。用户日常出行的轨迹数据则能客观的显示用户的行为规律,暴露用户对于过去已访问地点的偏好。因此,本文将设计并实现一种基于轨迹数据做出的推荐系统,根据用户轨迹数据分析出历史兴趣点再进行推荐。首先,介绍轨迹数据的预处理、停留点提取、停留点聚类等对于轨迹数据的处理算法以及目前现有的推荐算法。然后,使用轨迹数据集对算法加以验证。最后,阐述基于轨迹数据分析的兴趣点推荐系统的系统需求,并按照系统需求进行详细的功能模块划分,完成系统的架构设计、数据库设计和接口设计,且使用SSM框架实现系统。本论文在算法研究阶段使用准确率与召回率评估推荐算法,实验证明推荐效果符合系统的使用要求。最后对基于轨迹数据分析的兴趣点推荐系统进行功能测试,验证了系统的功能并且表明系统可以正常使用。