随着手机的普及,包含着地理位置信息的手机信令数据可以很好地刻画居民的出行轨迹,而这些轨迹信息又可进一步支持基于位置的社交网络、智能交通系统和智慧城市等应用。显然,基于手机信令数据的用户出行轨迹数据的挖掘与分析是一个非常有价值的研究问题。另一方面,居民的出行往往带有一定的目的性,基于兴趣点推荐的居民出行随着社交网络和地图应用的普及,日益成为影响居民出行的重要参考。如何利用手机信令数据所携带的用户位置信息,结合城市各类兴趣点和城市居民的时空出行分布,完成居民出行推荐,相关研究同样具有重要的理论和应用价值。本文在融合手机信令数据与兴趣点数据对城市居民的出行特征进行分析的基础上,重点分析了基于兴趣点数据的居民出行推荐技术框架。论文首先结合手机定位数据所存在的数据缺陷、定位漂移等缺陷,实现了基于DBSCAN算法的停留点提取算法,以便从手机信令数据中提取出能表征居民出行特征的停留点信息。其次,在现有交通小区划分方法的基础上,论文提出了基于停留点的GMM聚类算法的交通小区划分算法,并根据轮廓指数与交通小区的定义,对交通小区划分算法进行合理调整。最后,在分析居民出行与兴趣点之间关系的基础上,重点分析了居民出行分布与其职住地与兴趣点的关系。在此基础上,设计了一种职住地提取算法,然后根据停留点与兴趣点的分布关系绘制了停留点分布热力图,并进一步提出了基于时空属性的兴趣点推荐算法,以有效满足对不同区域和不同时间的居民出行推荐需求。论文的分析和研究结果表明,基于手机信令数据,从分析居民出行与兴趣点之间关系入手,我们确实可以找到居民出行中的一些兴趣点规律,据此支持不同区域和不同时间的居民基于兴趣点的出行推荐。论文的相关工作对于后续深入研究基于兴趣点的居民出行推荐具有一定的参考和借鉴价值。