随着信息技术的发展以及智能手机的普及,运营商架设的手机基站所采集的大规模手机信令数据在轨迹数据挖掘、城市规划和人口流动等研究领域中发挥着重要价值。人口流动分析是市政规划部门的重要任务。由于传统分析方法适用范围较窄、准确度较低以及成本高昂,如何基于手机信令数据来分析城市的人口流动情况就显得至关重要。然而,鉴于存在定位精度不准、采样频率不稳定等因素,如何准确获取人口流动情况面临着巨大挑战。本文提出基于轨迹行为特征的判定算法(Movement Features based Judging Urban Population Flow,MF-JUPF)和基于基站状态的区县流动发现算法(Base Station State based Finding Districts Migration,BSS-FDM)分别分析进出城市和区县之间人口流动问题。本文设计并实现了基于MapReduce的分布式解决方案,并基于真实数据集合进行实验,证明了上述算法的正确性和有效性。本文的主要工作和贡献如下:手机信令数据分布式处理框架根据手机信令数据特点以及MF-JUPF算法和BSS-FDM算法,本文设计并实现了基于MapReduce分布式架构的解决方案,从手机信令数据的预处理操作,到进出城市和区县之间人口流动的挖掘,再到实验和效果展示,均基于分布式架构设计实现,具有较高的运行效率和良好的扩展性。判定进出城市轨迹行为针对进出城市人口流动问题,本文提出MF-JUPF算法,该算法通过分析用户进出城市时形成的轨迹特点,总结并设计提取重要轨迹特征,其中包括信号消失时长、枢纽区域出现概率、枢纽区域停留指数、与边境区域最短距离以及与居住地/工作地的平均距离,并利用分类模型对进出城市行为进行判定。在应用居住地和工作地特征时,优化了在分布式场景下的大表查询操作。挖掘区县之间人口流动行为本文提出BSS-FDM算法以分析区县之间人口流动问题,该算法根据基站空间分布和连接情况,利用停留区域发现算法以挖掘用户有目的性的去往区县,为应对用户处于多个区县交界处的复杂情况,提出基于圆心和基于连接算法以帮助确定停留区域的从属区县,最终形成区县状态转移序列来反映用户在区县之间的移动情况。