随着个性化推荐技术的不断成熟和基于位置服务的迅猛发展，以及各种移动智能设备和可穿戴设备的逐渐普及，基于位置的推荐服务成为新型推荐系统发展中不可忽略的关键领域。为了更加精确的为用户提供基于位置的服务，本文结合基于位置的服务和个性化推荐技术，提出了一种基于用户活动轨迹的好友推荐系统。该系统通过引入传感器定位技术降低了定位能耗，使系统可以较长时间记录轨迹，并在后台服务器上分析用户轨迹之间的相似性，产生Top-N个最相似用户集，将结果推荐给用户。本文首先分析了基于用户活动轨迹的个性化推荐系统的特点，给出了系统的功能需求和性能需求，并根据这些需求设计了系统的详细结构图。接着本文对推荐系统后台服务端的服务层、控制层和用户相似度计算流程进行了详细的分析与设计，并给出了具体的实现。在完成后台服务端的构建以后，本文重点提出了一种基于低功耗传感器的定位算法，从而可以满足对用户长时间的轨迹记录需求。客户端的设计采用了模块化的设计方法，并给出了具体的实现。本文最后对系统功能进行了验证，并通过相似度评价方法对系统的性能进行了测试，根据实验结果对测试参数进行了分析。