随着移动设备通信和存储能力的提升,以及无线定位技术的发展,产生出大量的用户移动轨迹数据。通过对历史移动轨迹数据的分析和建模,挖掘用户的移动特征与访问场所之间的关联模式,可以发现用户移动行为的时空规律。因此,基于历史轨迹数据的移动预测技术也逐渐成为近年来的研究热点。在群智感知计算中,移动预测技术能够更好地感知用户未来的移动状态,可以为应用的部署和决策的优化争取宝贵的部署和计算时间,从而能够及时的为用户提供优质的服务。同时,社会交互行为是人类社会活动的主要组成部分,是促进社会协作、社会信息共享的重要途径。近年来,许多研究人员设计并开发了各种各样的社会交互应用系统,来鼓励人们参与社会交互活动,促进人与人的协作,增进人与人的社会关系。本文侧重于群智感知中移动预测算法研究与社会交互支持的原型应用设计与实现,将二者结合起来,提出了基于移动预测的偶然式社会交互支持框架。通过挖掘GPS轨迹数据构成移动预测模型,提前感知用户之间的偶然交互机会,然后通过特定场景下的应用系统,鼓励用户真正参与到物理环境中的社会交互活动。本文通过对大量的全球定位系统(Global Positioning System,GPS)原始数据进行预处理操作(包括GPS异常点删除、Place提取、Place聚类等)生产新的GPS轨迹。然后针对这些GPS轨迹进行特征提取组成移动数据的训练数据集,以及这些GPS轨迹的时空规律,借助有监督的学习算法构造移动预测模型,如决策树等,以用户当前的移动信息作为预测模型的输入,可以预测用户的下一访问场所及其到达的时间。通过与基本的概率统计预测算法比较,本文提出的预测模型的预测准确率有明显的提高。之后,基于对多个用户未来移动状态的预测结果,可以提前判断出用户之间是否存在偶然交互机会(偶然出现的、用户计划之外的、不影响用户日程安排的,如两人偶遇)。以这些偶然的交互机会为基础,结合实际应用场景,本文设计并实现了 Buy4Me原型应用系统,该应用系统能够帮助用户完成顺便协助购买的任务,从而鼓励用户真正到物理世界中的交互活动。