查询轨迹大数据信息记录通常需要借助于地理信息系统（gis）和数据挖掘技术。下面是一个大致的步骤，来说明如何进行这样的查询：
1. 确定需求：明确你需要查询的轨迹大数据信息记录的类型。这可能包括个人位置、车辆行驶路线、公共交通工具使用情况等。
2. 数据源识别：确定你的数据来源。这可以是公共数据集、政府机构、私人公司或通过api从其他服务获取的数据。
3. 数据预处理：在开始查询之前，需要对数据进行清洗和预处理。这可能包括去除噪声、纠正错误、标准化数据格式以及处理缺失值。
4. 选择查询方法：根据你的数据类型和查询需求，选择合适的查询方法。对于地理位置信息，可以使用经纬度查询；如果涉及时间序列数据，可能需要用到时间窗口函数来过滤结果。
5. 编写查询代码：根据所选的查询方法，编写相应的sql语句或者使用编程语言（如python、java、c#等）中的gis库来执行查询。例如，如果你使用的是开源的geopandas库，可以这样写一个查询语句：
```python
import geopandas as gpd
from shapely.geometry import Point
# 加载gpd文件
gdf = gpd.read_file('your_file.geojson')
# 定义查询条件
query = ((gdf['location'].isin([point]) & (gdf['time'] >= start_time)) | # 包含特定位置且在指定时间范围内
(gdf['location'].isin([point]) & (gdf['time'] <= end_time))); # 不包含特定位置且在指定时间范围内
# 执行查询并提取结果
results = gdf[query]
```
6. 分析结果：查询完成后，你可以对结果进行分析，比如统计特定区域或时间段内的活动量、计算平均速度等。
7. 可视化展示：将查询结果以图表的形式展示出来，如地图热力图、折线图等，以便更好地理解数据。
8. 优化与调整：根据初步的分析结果，可能需要进一步优化查询条件或调整查询方式，以提高查询的准确性和效率。
9. 文档化：记录整个查询过程，包括使用的技术和方法、遇到的问题及解决方案等，为未来的查询提供参考。
总之，查询轨迹大数据信息记录是一个复杂的过程，涉及到数据采集、存储、处理和分析等多个环节。确保你的数据是准确和完整的，并且你有足够的权限来访问和使用这些数据。
