针对传统的基于网格密度的数据流聚类方法丢失数据的空间位置特性的缺陷，提出了一种基于质量估算（mass estimation）的空间数据流聚类方法。通过h：d树进行空间划分，可将到达数据映射到不同的划分区域，在树得到质量（mass）的基础上，进行各子区域的密度推算的同时引入衰减因子，以及在线动态维护微簇，可精确反映空间数据流的演化信息。该方法在真实数据与模拟数据的综合实验中验证了算法的聚类效果与高效率性，并通过与传统数据流聚类算法的对比，进一步体现出其在聚类效果上的优势。该方法能够在保证较低的时间复杂度的基础上，更好地保留数据的空间位置特性，因而能够更好地适应空间数据流聚类的需求。