随着移动互联网技术飞速发展、无线传感器和定位技术迭代更新,移动终端设备在给人们日常生活带来巨大便利的同时,也记录了海量的用户行为数据,这使得人们能够更精细、准确地挖掘和探索用户行为数据中丰富的时空特征及语义信息,揭示用户的出行规律、停留位置和行为方式。充分挖掘这种包含移动性的时空数据,能够更深入地理解出行模式、挖掘行为趋势和预测位置动向。研究用户下一位置的预测是用户移动行为分析中的一个重要方向,主要是根据用户的历史移动数据,对用户未来的移动位置进行预测。本文的主要研究工作如下:1.为了充分挖掘移动数据中的时空特征,提出了一种基于多嵌入的时空特征提取方法以获得高质量的时空表征方法。首先,将用户的整体移动轨迹编码形成有向带权图,并使用图表征的方法获得停留位置的特征向量;然后,将用户访问位置的时间进行统计分析并构建用户实际的访问时间频率分布图,并将其编码转换成时间特征向量。2.提出了一种基于多头自注意力机制和循环神经网络的下一位置预测模型。首先,基于图卷积模型设计了一种功能感知的类型特征提取模块;然后,利用长短期记忆模型进行时间建模,提出一种基于多头自注意力机制的上下文自适应感知模块,感知每个位置及其历史位置的相关性,理解每个位置之间在不同上下文语境影响下的关系。3.构建重庆市用户移动位置数据集,应用本文提出的下一位置预测模型并对用户位置动向进行预测。本文的研究在纽约和东京的公开签到打卡数据集和构建的重庆市用户移动位置数据集上均获得了较好的实验效果,并在重庆市获得了一定的应用。综上,本文对用户的下一位置开展的预测方法研究,除了对商业、旅游业等具有重大的商业潜力,对政府部门在宏观上的应急防控和人流管控等工作也具有重要的辅助决策价值和意义。