近年来,随着越来越多的电子设备具有全球定位功能,以及基于位置的社交网络服务所提供的地点签到功能,使我们能够获得大量精确的人们移动的位置数据。通过对这些数据的分析建模,使得人口移动趋势分析成为可能。在本文中我们通过利用用户的历史地点访问数据对用户移动的趋势进行建模,从而对用户的地点进行预测。对用户地点进行预测是基于位置的服务一个非常重要的基本问题,在通信资源管理、基于位置的个性化推荐、智能交通、城市规划等领域拥有着广泛的发展前景与应用场景。对于用户历史移动数据只包含地点位置信息与时间信息的情况,我们提出了用输入输出隐马尔可夫模型对用户移动数据中的时域与空域特征进行建模。针对存在丢失中间数据的情况,我们通过在模型中引入伪状态,避免了由于直接级联数据导致产生没有实际发生的地点间转移,影响最终的预测效果的情况的发生。根据预测侧重点的不同,我们分别提出了反映用户在不同时间内在不同地点间移动概率的预测算子、反映用户在某个时间处于某个位置的概率的预测算子以及反映用户从一个地点移动至另一个地点的概率的预测算子。通过将这三种预测算子加权线性组合,我们对用户的地点进行预测。对于用户历史移动数据包含地点的语义信息的情况,我们通过对输入输出隐马尔可夫模型进行拓展,提出了语义时域空域隐马尔可夫模型,对用户的移动数据中的语义时域空域特征进行建模。根据预测时是否已知目标地点的语义信息,我们分别提出两种预测算子对用户的地点进行预测。在本文中,我们将所提出的预测算法与多个经典算法进行比较。实验结果表明,我们的预测算法获得了更高的预测准确度,验证了我们提出的算法的有效性。通过同时考虑用户移动的时域特征与空域特征,我们能够更好地对用户移动趋势进行建模,获得更好的预测准确度。而在建模过程中增加用户移动的语义特征,能够使预测准确度获得进一步的提升。