1.一种改进的基于欧式距离的相似度匹配方法，将所提取的轨迹点进行时间维度上的划分，每个时间段内的特征点进行特征提取，在考虑时间维度以及保留数据特征的情况下，降低相似度比较过程中的数据量；所述的方法包括：步骤1，获取移动数据；利用现有移动数据，每条数据均为主基站接收的信号数据，保留包括IMSI、StartTime、LocLng以及LocLat字段作为移动定位过程中的必要信息，其中，IMSI表示个体携带的移动设备的唯一标识符，StartTime为基站接收到移动信号的即时时间，LocLng以及LocLat为接收基站的经纬度，即基站的地理位置；

步骤2，获取原始轨迹；根据IMSI查询，即可获得特定时间段内该IMSI对应移动设备的若干条移动数据，每条移动数据即为该移动设备移动轨迹的一个轨迹点，其中，轨迹点信息包括该点的位置坐标 以及采样时间t；按照轨迹点的即时时间排序，即可构成个体的运动轨迹；

步骤3，分时段特征点采样；以一定的时间区间为单位，将特定时间段划分为若干个时间区间，将采集得到的移动轨迹的轨迹点按照其即时时间，放入每个区间，这样每个时间区间内会有若干按时间排序的轨迹点；在单个时间区间内，通过这些轨迹点的位置坐标可得轨迹经过的位置点(Lngj,Latj)，即时时间差可得到个体在某位置点停留的时间Δtj，将位置停留时间作为计算特征点位置的权重条件，按照如下公式计算；

注：wtj表示位置j在计算特征点时该轨迹点位置的权重，Δtj表示在位置j停留的时间，tTotal表示单个时间区间的总时间；

由每个位置点的权重wtj，得到可以代表该个体在该时间区间的综合位置，如以下公式所示；

注：rix以及riy表示在该时间区间i内特征点的总位置经纬度，该时间区间内的总轨迹点数为m，Lngj以及Latj在该时间区间内经过位置点j的经纬度；

经过以上计算，即可得到特定时间段内轨迹的运动位置情况；

步骤4，相似度计算；根据不同的筛选对象，给这些时间区间赋予不同的权值wpi，权值取值范围：1≤wpi≤2；例如，需要筛选家庭成员，则给予夜间时间区间以较高的权值；需要筛选一起工作学习的团体，则给予日间时间区间以较高的权值；选取某个IMSI，作为待匹配对象，得到轨迹R，与库中的各轨迹S进行加权的欧氏距离计算，如下公式所示；

注：R,S分别为两条轨迹，两条轨迹的轨迹点数分别为n，E(R,S)为轨迹R与S间的欧式距离，ri,si分别表示轨迹R与S上第i个轨迹点，rix与riy表示ri的位置坐标，six与siy表示si的位置坐标，wpi为相应时间区间的权值，distance(ri,si)表示ri,si间的欧式距离；

步骤5，给出相似度排序表；根据计算得到的欧氏距离，取出距离最小的5条轨迹，作为与之相似度最高的轨迹集。