Realizar un análisis de agrupamiento en una gran cantidad de datos históricos de trayectorias puede obtener información como patrones de vuelo frecuentes de aeronaves y distribución del flujo de tráfico aéreo, lo que puede proporcionar una referencia para la revisión de los procedimientos de vuelo estándar y la optimización de la división de sectores del espacio aéreo. En la actualidad, la mayoría del agrupamiento de trayectorias utiliza un único algoritmo de agrupamiento. Cuando otros procesos permanecen sin cambios, es difícil mejorar el efecto de agrupamiento utilizando un solo método de agrupamiento. Por lo tanto, este artículo propone un método de ensamblaje de agrupamiento de trayectorias basado en una matriz de similitud. En primer lugar, se utiliza un autoencoder apilado para aprender un pequeño número de características que son suficientemente representativas de la trayectoria y se utilizan como entrada para el algoritmo de agrupamiento posterior. En segundo lugar, cada clúster base se utiliza para agrupar el conjunto de datos, y luego se obtiene una matriz de similitud consistente utilizando los resultados de agrupamiento de cada clúster base. Sobre esta base, utilizando la deformación de la matriz como la matriz de distancia entre trayectorias, se utiliza el algoritmo de agrupamiento jerárquico aglomerativo para ensamblar los resultados de cada clúster base. Tomando el área terminal del Aeropuerto Lukou de Nanjing como ejemplo, los resultados experimentales muestran que integrar múltiples clústeres base elimina la aleatoriedad inherente de un único algoritmo de agrupamiento, y los resultados del agrupamiento de trayectorias son más robustos.