大多数移动用户在现实生活中的移动行为都有一定规律,如果对其移动日志进行研究,将会找到这些规律,我们称之为用户移动模式。用户移动模式在移动通信网络规划设计、移动性管理及基于位置管理的服务领域都有非常重要的作用。如果将用户移动模式和其他数据信息结合起来,如商务信息,可以发现用户的行为模式,能够为用户提供基于地点和时间多变性的更加个性化的服务。目前,随着移动通信技术与计算机技术的飞速发展,实现了对移动对象进行跟踪定位,从而在移动计算环境中产生了大量的、动态变化的用户移动的时空数据,这些移动日志就是我们研究的对象。数据挖掘技术日趋成熟,已经成为用户移动模式挖掘的一种重要工具。数据挖掘就是从大量有噪声、不完整、甚至是不一致数据集中发现有意义的模式知识。序列模式挖掘是数据挖掘中一种重要的方法,自从R.Agrawal和R.Srikant在1995年提出该方法以来,国内外学者对其进行了大量的研究并提出了很多算法。用户移动模式与序列模式虽然有相似的地方,但是又有其特性,因此序列模式挖掘的方法不能直接用于挖掘用户移动模式。目前关于用户移动模式挖掘的研究有了一定进展,但是大部分研究没有充分考虑时间因素,而是简单的把时间作为形成用户移动序列的依据,在挖掘出来的模式和移动性预测上没有考虑时间因素,而在现实生活中用户的移动与时间有非常密切的关系。本文首先概述了数据挖掘和序列模式挖掘的相关知识,接着介绍了移动计算环境中用户移动性管理和用户移动模式挖掘的相关算法,然后分析了不考虑时间因素的用户移动模式挖掘的一些缺陷,分析时间因素在用户移动模式中的作用,采用一种新的数据预处理方法,和新的支持度计算方法,从而提出基于时间的用户移动模式挖掘算法。在理论研究的基础上,设计并实现了基于时间的用户移动模式挖掘及预测系统,同时结合位置和时间因素进行用户移动性预测;系统使用的数据集由Stanford大学移动仿真研究实验室提供,性能分析显示,基于时间的用户移动模式挖掘有比较好的预测准确度。