随着无线接入技术的发展,例如GPS、WiFi、蜂窝移动网等,使得基于移动设备获取海量人类移动数据成为可能。无线接入技术的发展不仅给人们的生活带来了便利,而且为移动用户轨迹的研究与分析提供了数据基础。移动用户轨迹分析有许多潜在的应用,涉及推荐服务、网络优化、社交网络等很多方面,通过获取移动用户的当前位置,或者预测用户下一站的位置,可以提供推荐餐厅、超市、加油站的服务;在无线网络中,移动用户轨迹分析可用于网络协议的优化,从而提高无线网络的系统性能,改善移动用户的网络体验;移动用户轨迹分析可以反映用户的行为习惯,从而可以创建一个更好的社交网络。本研究借助WiCloud分析系统对移动用户的轨迹进行分析,采用WiFi探测技术获取移动用户的时空轨迹。当收集移动用户轨迹时,移动用户处于“无感知”的状态,因此收集的时空轨迹可以最为真实地反映用户的行为。本文基于WiCloud分析系统以及移动用户时空轨迹所做的主要研究工作有:(1)总结了移动用户轨迹的研究重点,归纳对比了基于GPS、移动蜂窝网和WiFi获取用户信息的技术特点。对当前的移动用户轨迹研究进展进行了介绍,并概括了移动用户轨迹分析的四个方向。(2)概述了本研究的工程基础,WiCloud分析系统,采用WiFi探测器获取移动用户时空轨迹数据。开发的WiFi探测器部署在网络的边缘,可以实时地收集移动用户的时空轨迹信息。WiCloud分析系统采用MVC的设计模式,实现了智能店铺、智慧校园、考勤系统等方面的应用。(3)基于WiCloud分析系统收集的时空轨迹数据,进行了移动用户轨迹相似性方面的研究。根据轨迹相似性度量和决策树算法,建立了学生关系判别模型,用于判别两个学生的关系。同时,考虑到学生关系判别和学生性别存在较大关联,因此在特征集中添加了学生性别是否相同的指标。最后,通过WiCloud分析系统采集的真实时空轨迹数据对模型进行验证,实验结果表明学生关系判别模型的判别准确率较为理想。(4)基于WiCloud分析系统和马尔科夫链模型,进行了移动用户轨迹预测方面的研究。由于在校园中学生的活动行为与活动发生的时间具有很大的关联,提出了一种根据时间因素分割马尔科夫链的轨迹预测算法(TPA)。通过WiCloud分析系统收集的时空轨迹数据对算法进行评估,实验结果显示考虑时间的轨迹预测算法相对于原始马尔科夫链算法预测准确率提高了 30%左右。