近年来随着人们对选址重要性的认知提升,选址问题成为当今的研究热点之一。而选址中最重要的一点就是识别区域内人们是否有相关需求。目前区域内兴趣点需求分析大部分基于人工调查或者轨迹数据。但传统的时空轨迹只有地理信息,无法精准获得人们的目的地的兴趣点分类。随着位置共享服务的激增以及社交平台的流行,语义丰富的轨迹的出现改进了传统轨迹需要推断目的地兴趣点分类的缺点。然而目前没有专门利用语义轨迹挖掘区域性兴趣点分类需求以及推荐选址的算法。基于“用脚投票”理论,人们跨区域的移动行为可以推断人们的兴趣点分类需求。频繁模式挖掘也基于该理论间接挖掘区域兴趣点分类需求,然而因为频繁阈值的设定会导致部分需求被忽略并且递归式搜寻太过耗时。此外,研究者们主要围绕特定兴趣点分析特征,缺少适用性强的选址框架。针对上述不足,本文在“用脚投票”理论下利用语义轨迹构建了一套基于区域性兴趣点分类需求挖掘的选址系统,提高选址准确率的同时满足高效性及高适用性的要求。本文将该系统分成了四个子模块,分别为社交媒体数据预处理、跨区域移动模式抽取、区域性兴趣点分类需求识别及选址推荐。在社交媒体预处理模块,聚合签到并基于最大时间间隔限制切分成符合要求的语义轨迹。同时地理空间被划分为网格单元,签到以及兴趣点投影到对应区域后,形成区域移动模式并分析区域性兴趣点特征。跨区域移动模式抽取模块利用对现实生活及数据的观察设计了一种快速、有效的从区域移动模式集合中抽取跨区域移动模式的算法。区域性兴趣点分类需求识别模块利用跨区域移动模式及区域性兴趣点分类特征识别区域性兴趣点分类需求。在该模块中,本文设计了需求量化模型以衡量区域性兴趣点分类需求的需求强度。并且设计了两种区域性兴趣点分类需求识别算法,分别基于模式分割以及模式连接两种思想。在选址推荐模块中,系统根据量化后的区域性兴趣点分类需求强度从区域角度及兴趣点分类角度为用户推荐。最后模块按顺序整合成完整的基于语义轨迹的选址系统。最后,本文设计了实验验证整合后系统的高效性及有效性。基于真实数据集的对比实验结果表明本文所提出的算法及模型能够在选址任务中取得良好的结果,这也验证了本文所提出模型的优越性。同时本文还列举了具体的选址推荐案例来进一步说明本文所构建系统的有效性。