随着智能手机与通信技术的高速发展,终端数量爆炸式增加,移动互联网渗入到了人们生活的方方面面。无线用户希望在任何时间任何地点进行高质量的通信,这对第五代通信系统(Fifth Generation,5G)和未来通信系统提出了重大挑战。用户移动性研究可以在切换管理、资源预留等方面对移动通信提供基础支撑,应对流量和设备数量的增加带来的需求增加问题,提升服务鲁棒性,降低能耗与通信时延。本文在用户移动性理论和预测模型方面完成三个主要工作:(1)进行用户移动可预测性的实证分析。基于两个真实数据集对移动可预测性理论进行实证分析,验证了可预测性理论的有效性,分析了呼叫细节记录数据集中用户可预测性与理论上界,其真实熵的均值比时间无关熵和随机熵的均值分别降低34%和66%;揭示了可预测性实际度量的数据集依赖性,基于高校消费数据集分析了高校学生的移动可预测性,说明了数据集内个人信息不同和数据集间不同都导致可预测性差异;现有移动可预测性研究工作大多基于通信数据集、网络签到数据集等,本文则将可预测性理论首次应用到校园消费数据集,拓展了可预测性理论的应用范围。(2)提出基于扩散核的单用户移动性预测模型,论证了理论可预测性与实际预测性能的对应关系可用复合高斯函数进行建模。本文提出使用时空轨迹训练的扩散核移动性预测模型,将用户的时空轨迹映射为指定域内的扩散过程,结果证明该模型可实现约4%的预测准确度提升。针对熵值处于同一水平的用户的实际预测性能有差异这一现象,论证了可用复合高斯分布对实际预测准确度与可预测性熵值的对应关系建模。(3)提出相似用户辅助的移动性预测模型,阐明了相似用户的移动信息可提升预测性能。使用关联分析算法挖掘用户的关键移动模式,引入用户移动相似度的定义,计算用户之间移动相似度,确定最相似用户。提出了相似用户辅助的移动性预测模型,设计了移动性预测算法,讨论模型中权重系数和阈值参数对预测性能的影响,预测结果证明该模型的预测准确度比单用户模型提升了4%。本文对可预测性理论进行了实证分析,证明了其有效性、数据集依赖性和可拓展性,提出的基于扩散核的单用户预测模型和基于相似用户辅助的移动性预测模型与现有模型相比实现了性能提升。本工作对于移动性预测的理论拓展和实际应用都具有重要价值。