手机作为当今社会重要的通信工具,在我们生活中起到了无法替代的作用。大量移动通信数据的积累使我们有机会利用数据中的相关信息对用户的行为进行挖掘。其中,利用位置信息挖掘用户的移动行为是一个重要的研究方向。过去对移动行为的研究使用的数据大多是GPS数据,由于该数据难以搜集,因此研究的局限性较大,而移动通信数据覆盖广泛,容易搜集,并且更能反映出人们在城市中的移动规律,因此通过移动通信数据对用户的移动行为进行分析具有非常重要的意义。另外,利用移动通信数据也能够对用户的位置进行预测。实验证明,用户的位置是可以预测的,并且预测的准确程度与用户移动规律有关。通过对用户未来的位置进行判断,可以对容易发生人群聚集的区域进行监控,及时制定疏散方案,防止踩踏等事故的发生。本文利用移动通信数据中的位置信息,分别完成对用户移动性的分析,用户移动行为的建模分析和对用户位置的预测。本文的主要工作介绍如下:首先,本文对常用的移动性建模方法进行了研究,然后完成了对用户移动性的综合分析,通过移动频率,移动距离和移动方向来刻画用户的移动行为。其次,本文结合POI信息,对基站区域进行功能区划分。其中,本文提出了一种基于密度的离群点检测方法,对移动轨迹进行处理。然后对轨迹进行语义化建模,利用关联规则算法挖掘用户的频繁轨迹模式,分析了不同时间的用户移动行为,进一步探索用户在移动行为方面的特征。最后,本文使用一种改进的马尔可夫模型对用户位置进行预测。本文将基站区域聚合为状态,研究了用户在区域之间的转移情况。然后综合考虑了一阶马尔可夫模型和高阶马尔可夫模型在预测上的优缺点,提出了一种加权的马尔可夫模型实现对用户位置的预测,有效的提高了预测精度。通过本文的研究和分析可以发现,用户的移动行为具有空间和时间的规律性,并且用户群体之间的移动行为具有相似性。本文验证了利用移动通信数据分析用户移动行为的有效性和可行性,所做的工作对于城市规划,交通管理,控制流行病传播等方面具有一定的参考价值。