当今社会,人们很乐意在社交网络上分享自己的感受,这些推送里面有很大一部分是带有位置标签的数据。在这些社交网络上发生的时间和空间的交互,包含了大量的可以表示人与人之间关系的信息,对这些数据的分析挖掘是非常有价值的工作。随着移动设备的使用越来越多,可以更加方便地采集用户的位置数据,如GPS,Wifi和手机信号塔。本研究设计了基于时空大数据的社交关系分析系统,这个系统可以根据从基于位置的社交网络(LBSNs)上采集的时空数据对用户之间的社交强度和好友概率进行分析。该系统基于MARS模型,这个模型可以根据人与人之间的位置关系,距离和时间关系来度量两个人之间的社交强度。由于隐私位置和公共场所具有不同的位置权重,不同的时间段也有不同的时间权重,系统将这些因素考虑到模型中。同时会对系统中设计到的关键技术进行阐述。本研究还根据用户在不同位置的打卡情况定义了空间相似度和时间相似度,用户出现在相同地点的次数越多,用户的轨迹越相似,用户之间的交互越频繁,说明用户之间的关系越密切,进而提出了一个预测用户之间好友关系的概率模型。在模型验证和实验评估部分,本文使用四个真实的时空数据集,来评估提出的MARS和概率模型,并对实验结果进行分析,实验结果证明了所提出模型的正确性,并证明MARS比当前最好的关系预测模型更优秀。