En las redes viales, una trayectoria "óptima" es un recorrido geométricamente óptimo desde el punto de origen hasta el punto de destino. En la realidad, la experiencia de conducción del conductor o las condiciones del tráfico vial llevarán a diferencias entre la trayectoria "real" y la trayectoria "óptima". Cuando las diferencias son excesivas, estas trayectorias se consideran trayectorias anómalas. Además, estas diferencias se pueden observar en varias características de la trayectoria, como la velocidad, la distancia, los giros y las intersecciones. En este artículo, nuestro objetivo es fusionar estas características de la trayectoria y describir cuantitativamente esta diferencia para inferir trayectorias anómalas. La teoría de evidencia de Dempster-Shafer (D-S) es una teoría y método que utiliza diferentes características como evidencia para inferir incertidumbre. La teoría no requiere conocimiento previo ni probabilidades condicionales. Por lo tanto, proponemos un método automático de inferencia de trayectorias anómalas basado en la teoría de evidencia D-S que considera el comportamiento de conducción y las restricciones de la red vial. Para lograr este objetivo, primero obtenemos todas las trayectorias "reales" de los conductores para diferentes pares de origen-destino en trayectorias de taxi del Sistema Global de Navegación por Satélite (GNSS). En segundo lugar, definimos y extraemos cinco características de la trayectoria: selección de ruta (RS), tasa de intersección (IR), tasa de cambio de dirección (HCR), tasa de puntos lentos (SPR) y tasa de cambio de velocidad (VCR). Luego, diferentes características de cada trayectoria se combinan como evidencia de acuerdo con la regla de combinación de Dempster. El intervalo de probabilidad preciso de cada trayectoria se calcula en función de la teoría de evidencia D-S. Finalmente, obtenemos la posibilidad anómala de todas las trayectorias reales e inferimos trayectorias anómalas cuyas características de trayectoria son significativamente diferentes de las normales. Los resultados experimentales muestran que el método propuesto puede inferir trayectorias anómalas de manera efectiva y que puede utilizarse para monitorear automáticamente el comportamiento del conductor y descubrir eventos adversos en el tráfico urbano.