随着移动通讯的迅猛发展,智能手机成为人们娱乐通信的必需品。Wi Fi技术的日益成熟以及设备成本的不断降低,使得Wi Fi网络的普及率逐渐增高,用户使用移动手机在固定场所上网时对Wi Fi网络的依赖逐渐增大。智能手机开启Wi Fi功能时会自动向周围环境发送Wi Fi数据包,其中包含手机持有者的信息。Wi Fi数据天然带有时间和空间信息,因此收集手机的Wi Fi数据并对其进行分析与挖掘,可以揭示智能手机用户行为模式、移动规律以及社交关系。本文提出了一个校园学生伴随行为监测系统,系统的模块包括学生时空轨迹数据的收集及预处理,伴随行为挖掘算法的设计以及社交关系网络图的构建。本论文使用Wi Fi探针收集校园中学生的时空轨迹信息,并分别从包含多个建筑和只包含一个建筑两种不同的尺度提出了不同的伴随行为挖掘算法。在整个校园多个建筑的大尺度情况下,本文提出了STS-AB（Semantic Trajectory Similarity for Adjoint Behavior）算法,即基于语义轨迹相似度的伴随行为挖掘算法;在某个具体建筑场所的小尺度情况下,本文提出了RTS-AB（RSSI Trend Similarity for Adjoint Behavior）算法,即基于RSSI趋势相似度的伴随行为挖掘算法。根据伴随行为挖掘算法的结果可以构建出学生的社交关系网络图。本实验收集了华中科技大学东校区典型场所中学生的Wi Fi数据,并使用本文提出的伴随行为监测系统对学生进行伴随行为的挖掘。使用志愿者的Wi Fi数据对本文提出的系统进行验证,得出本文中提出的STS-AB算法和RTS-AB算法都具有可行性,伴随行为监测系统能够准确地衡量学生之间的伴随行为以及亲密关系。