随着智能手机的广泛普及,人们的日常行为活动被记录下来,形成轨迹大数据。如何分析用户的大量移动轨迹数据,挖掘这些海量轨迹数据中蕴含着的有价值信息是当前移动对象研究中关注的热点。目前轨迹挖掘方法未考虑移动对象在停留点的停留时间长度、停留时间区间、停留区域的语义层面信息,不能准确地挖掘出移动对象特有行为特征。同时现有语义模式间相似性度量方法缺乏对时空语义和时间随机性的考虑,不能有效辨别移动对象之间的行为特征。为解决上述问题本文以挖掘用户行为特征为出发点,以发现具有相似社会角色的移动对象群体为目标,提出一种基于时空关联的行为模式挖掘方法,具体所做工作如下:一、提出了一种基于时空关联的语义模式挖掘算法。针对目前语义模式挖掘方法尚存在的缺乏考虑空间语义、时态语义、区域时序关系三点不足,以改进的Prefixspan频繁序列模式挖掘算法为核心技术,结合轨迹的时态语义和空间语义挖掘每个移动对象的频繁语义模式。该算法能够高准确处理轨迹停留点时间以及停留点区域的语义层面信息,有效分析和挖掘出移动对象特有的行为特征。二、提出了一种语义模式间相似性度量算法。提出时态语义的概念,高准确的处理停留时间的语义层次信息。提出空间语义的概念,解释轨迹的语义相似性规律。基于空间语义和时态语义,给出语义模式间时态语义和空间语义相似性度量方法,刻画轨迹所属移动对象的社会角色的时空特征。最后采用层次聚类的方法对移动对象进行聚类,得到具有相似社会角色的移动对象群体。通过验证实验,证明本文提出的基于语义模式挖掘算法能够高准确处理语义轨迹,分析出移动对象特有的行为特征;语义模式间相似性度量算法能够准确、全面地发现具有相似生活方式或行为习惯的移动对象群体。