通信技术的飞速发展催生了海量的带有位置信息的移动通信数据。采用大数据技术对基于位置的移动通信数据进行分析,可以了解不同区域之间通信交互模式的动态变化。分析移动通信数据中有向加权网络特征的时间演变规律,掌握网络特征变化的周期性,可以为通信资源的动态分配、管理优化提供辅助决策。本文提出基于移动通信数据中有向加权网络中心性特征的时间演变分析,具体包括(1)利用spark大数据平台,从移动通信数据中建立有向加权网络。(2)在月、周、日的三种时间尺度上,分别计算最大度值、最大入度、最大出度、最大PageRank以及freeman等5种网络特征的Hurst指数。(3)将月、周、日时间尺度上得到的多个Hurst指数分别与地区新闻量进行相关性分析得到Pearson指数。(4)对比不同区域Pearson值,并进行分析。实验选取意大利米兰和特伦蒂诺两市为研究区域,以该区域2013年11月的移动通信数据以及每天的新闻量为实验数据。研究结果发现:(1)米兰市和特伦蒂诺市按天计算出来的Hurst指数均值高于按周以及按月计算出来的Hurst指数均值,表明在更短的时间尺度上,各特征值保持其周期性更强。米兰市按天和按周计算的结果比较类似,依旧是最大度值能保持最好的周期性,PageRank的周期性最弱。表明米兰市居民按周和按天的通话量的周期性比较明显。而特伦蒂诺市按天均值中freeman网络中心性具有最强的周期性,PageRank的周期性最弱。表明特伦蒂诺市居民每天的通话聚集性比较稳定,而各地区通话强度没有明显规律。(2)米兰和特伦蒂诺的各特征值的Hurst指数和当地的新闻量都为正相关的关系,其中两市的最大度值的Hurst指数和当地的新闻量都表现出很强的正相关,表明两市的每天最大通话量的周期性和两市该月内新闻量有着比较强的相关性。