移动通信技术的飞速发展以及无线通信设备的普及给人们的日常生活带来了极大的便利，也给人类的工作生活方式、移动社交模式带来极大影响。无线通信设备所采集的海量电子行为轨迹，能够用于挖掘用户行为模式，促进了大数据技术和智能城市研究的发展。对用户个体日常习惯以及行为偏好的挖掘研究，不但能够从用户的角度通过个性化推荐技术改善人类生活质量，而且能够从营运商的角度，规划目标客户，提高运营服务质量。另一方面，从用户群体的角度，对移动网络结构、网络动力学、影响网络间信息交流因素的研究能够服务于大数据时代下智能城市规划与建设。基于此，本文以移动手机连接基站自动生成的通话详情清单数据为研究对象，从个体用户的微观层面，分析移动用户的社交行为和移动行为，并提取用户的行为模式、挖掘移动网络数据特征。　　本文的主要研究内容和创新之处如下：　　（1）从微观水平挖掘用户社交行为模式，并量化了个体用户社交策略。　　在基于用户社交策略模式的社交行为前期研究中，因为缺乏对个体的社交策略的量化，所以只能从全体权或分组权的角度感知用户社交行为差异，使得个体社交行为的具体特征无法被感知，而个体之间的行为细节无法相互比较。在本文的实证研究中，发现个体的社交网络权重分布服从广义极值分布，从而将个体的行为特征压缩于分布参数中，通过分布参数中的形状参数量化个体的社交策略，并建立了有效的数据模型，很好地揭示了人们的社交策略的规律。　　（2）发现了人类社交行为模式中“渐进不变模式”。　　无线通信设备是否会改变人类社交行为模式？围绕这个问题，前期文献存在三种演变模式：“弱关系模式”、“强关系模式”和“不变模式”。基于本文建立的数据模型，从个体层面出发探索、量化和分析了用户社交策略，实证结果发现了新的“渐进不变模式”，其主要特征是存在一个扮演着吸引子典型策略（可视为群体社交行为的“固有策略模式”），即该策略角色的会对偏离自己的其他策略产生吸引，使之随着用户社会链接度的增加向自己靠拢。在渐进不变模式的的框架下，以上三种有争议演变模式和谐地统一在一起，而不是相互排斥。　　（3）分析用户的移动行为模式。　　用户的移动行为模式前期的统计研究是从用户的移动步长或是回转半径等的角度来分析用户特征，然而用户在不同地理区域逗留时间的规律研究存在空缺。本文发现个体在不同基站的累计通话时长也服从广义极值分布，并且表现出强烈的偏好于强链接基站的特征。基于此发现并利用二八效应，本文将个体访问过的地点划分为两类：强链接基站代表用户的日常移动行为，而弱链接基站则代表偶然访问行为。我们重点研究了用户移动范围，发现日常移动行为模式和偶然移动行为模式有很大差别，例如，超过50％用户的日常移动不超过3公里，而他们的偶然访问范围要大得多。　　（4）使用社交关系改善对移动行为的预测。　　利用社交关系改善对移动行为的预测的基本思路是比较用户和其朋友之间移动轨迹的相似程度。本文模型加入了对不同属性的位置的吸引力的判断，比较了用户和朋友群体之间的相互影响作用，建立了两个位置预测模型。其中，组合概率位置预报模型在原始的MFM位置预测模型的基础上，加入了朋友群体的位置信息。对于符合条件的123个用户，该模型的预测性能能够提高2.6%到12.9%。而分类决策树位置预报模型将预测问题转换成为一个分类树问题。其输入变量为当前时段的用户位置和用户多数朋友聚集的位置，输出的类型变量选为为用户下一时刻的访问位置。而当选择将朋友群划分为超过4个簇类时，模型平均的预测精确度提高了4.91%。　　本文围绕着用户的社交和移动行为，通过数据采集、数据分析、数据统计等，对用户的个体特征提取、行为演变模式及预测进行了研究，并找到了数据中的用户行为规律和演变模式，对大数据时代下智能城市规划具有一定的理论前瞻性和实际应用意义。