Los datos de trayectoria de aeronaves, barcos, y demás, pueden ser analizados para obtener información valiosa. El agrupamiento es la tecnología básica del análisis de trayectorias, y el proceso de extracción de características es uno de los factores decisivos para el rendimiento del agrupamiento. Las características de la trayectoria pueden dividirse en dos categorías: características espaciales y características temporales. En los algoritmos principales, las características espaciales están representadas por coordenadas de latitud y longitud. Sin embargo, dichos algoritmos solo son adecuados para trayectorias donde las características espaciales están estrechamente relacionadas con la latitud y longitud. Cuando los mismos tipos de trayectorias se encuentran en diferentes rangos de latitud y longitud o existen transformaciones como rotación, escala, y demás, este tipo de algoritmo es inviable. Por lo tanto, este documento propone un algoritmo de agrupamiento de trayectorias de características espacio-temporales basado en aprendizaje profundo. En este algoritmo, el proceso de extracción de la característica de forma espacial de la trayectoria está diseñado basado en tecnología de coincidencia de imágenes, y las características espaciales extraídas se combinan con las características temporales de la trayectoria para mejorar el rendimiento del agrupamiento. Los resultados experimentales en conjuntos de datos simulados y reales muestran que el algoritmo puede extraer efectivamente las características de forma espacial de la trayectoria y que el efecto de agrupamiento de la característica espacio-temporal fusionada es mejor que el de una sola característica.