随着智能手机和移动互联网的发展普及,产生了海量的用户空间位置数据。分析大量的手机信令数据可以更好的理解用户行为,对提供精确时空推荐和预测服务具有重要意义。近年来,用户重要位置挖掘成为时空数据挖掘领域的研究热点。然而,现有的工作面临着许多挑战,包括轨迹数据的庞大规模、位置精度低等。由于具有地理空间覆盖范围广、数据样本量大、采集成本低等优点,手机信令数据已经成为城市交通各研究领域的重要数据基础和研究对象。首先,针对手机信令数据精度低的特点,本文设计了基于用户子轨迹片段的邻近轨迹插值融合方法,基于网格对用户轨迹进行划分,通过邻近轨迹对用户子轨迹片段进行融合补全,实现提高用户轨迹的可用性和准确性,为后续用户重要位置识别算法提供基础。其次,在总结现有的用户重要位置识别算法不足的基础上,构建了针对群体用户的调和矩阵表示人群的主要活动情况,提出了改进的用户重要位置识别算法MMA(Matrix base Mining Algorithm),并基于调和矩阵优化修正用户重要位置,以提高用户重要位置识别的准确性。最后,本文以脱敏后的手机信令数据为研究对象,提取用户的居住工作空间分布并完成了职住行应用分析。本文在一个包含7个节点的Spark集群上进行实验分析。实验结果表明,本文提出的用户轨迹融合方法和用户重要位置识别算法具有更高的准确性。