近年来,随着各种智能设备(例如车载GPS、智能手机、摄像头监控等)的快速发展以及移动社交网络(例如微信、微博、Twitter等)的广泛普及,人们的时空数据能够从越来越多的数据源中获取到。基于这类时空数据的用户位置推理在实际应用中变得越来越重要,在交通调度、城市规划、推荐系统和监控安全等方面有着重要价值的应用前景。因此,本文针对城市交通监控大数据提出了重要位置推理方法,具体工作如下:(1)提出了一种基于城市交通监控大数据的车辆重要位置区域推理方法。首先,通过路网匹配预处理获得一个含有交通监控摄像头的真实路网;然后,基于数据的空间信息,通过对车辆轨迹中所提取的起点-终点(O-D)聚类,发现车辆经常访问的重要停留区域;之后,基于数据的时间信息,统计每个簇4)9)/访问时间模式,根据车辆在不同区域上访问时间模式的不同,推理车辆不同的重要位置区域。(2)在上述重要位置区域推理的基础上,提出了一种面向车主工作位置区域推理的方法。首先,利用人们工作时间的模式特征,从车辆多个重要位置区域中匹配出车主的工作位置区域;然后,利用路网和该区域内兴趣点分布信息提取出车辆的可达兴趣点集合,进一步缩小车主的工作位置范围;最后,在济南市一整个月大规模真实的交通监控数据集上,通过综合实验评估和案例分析验证了所提方法的有效性。(3)基于重要位置区域推理,提出了一种基于稀疏交通监控大数据的精确家庭位置推理方法。首先,根据人们对家庭位置区域访问的时间模式特征,将家庭位置区域从重要位置区域中匹配出来;然后,使用KDE算法建模住宅小区相对于本地摄像头的概率密度,将概率密度值最大的住宅小区作为车辆的家庭位置;此外,还设计了一种本地摄像头选择策略,为每个候选住宅小区选择最合适的本地摄像头;最后,在济南市一整个月大规模真实数据集上的综合实验证明了所提方法的有效性。