随着智能手机和平板电脑的普及以及3G业务的发展,获取用户位置手段变得更加容易和多样,如何对移动用户的行为轨迹进行建模,分析并且预测人类行为成为研究热点,引发了广大研究者的浓厚兴趣。总结一下,现有方法主要分为两种:一是针对GPS终端采集的连续轨迹信息进行建模分析,这主要应用于传统的智能交通应用分析研究;二是针对基站采集的移动用户连接记录这种离散的轨迹数据建模,这主要应用于人类行为轨迹规律的挖掘和位置的预测。对基站采集的离散数据分析又可以分为两种:一是移动轨迹特征分析,可以应用于广告推送,个性化搜索等领域的应用和研究。二是人群移动规律挖掘,从海量的用户移动轨迹数据中分析出群体的行为规律,在道路规划、流量控制等诸多领域中有很高的研究价值。根据目前国内分析用户行为规律的需求,本文通过分析不同城市的人群使用3G业务的数据,通过关联规则,找出个体用户的频繁模式,分析用户在不同时间和日期中行为规律,并进行轨迹的预测。再由个体用户的行为规律找出所在群体的行为规律。本文的研究工作主要包括:首先,对基站数据进行预处理,包括用户的过滤和数据去噪,克服基站重叠带来的漂移现象。然后结合空间信息和时间信息构造用户轨迹,并用java实现的Apriori算法分别对重庆和天津的3G用户的历史移动轨迹进行分析,分别找出他们的频繁模式和下一步位置预测的精度。最后分析统计出的不同城市不同长度的频繁模式的分布情况。统计出不同长度的子序列预测下一步位置的精度,即利用多少个位置预测下一个位置。再根据单个用户的频繁模式筛选出满足阈值要求的群体频繁模式。