伴随城市化进程的加速和交通方式的多样化,人类移动也愈加频繁、快速、复杂。理解人群的移动行为,对于城市规划、交通管理、传染病控制等诸多社会经济问题具有重要意义。对于人类移动的外在规律和内在机理,无论是个人的和群体的,一直是重要而且热点的研究内容。传统上,通过问卷调查获取人类的移动数据,具有代价高、样本小、客观性差等不足,一般仅适合研究个体或小规模人群移动行为;而随着信息通讯技术不断进步,特别是个人移动设备的普及和定位技术的成熟,高效、便捷地获取大规模人类移动数据成为可能,从而为研究大规模人群移动创造了契机。　　 手机通讯数据包含了用户丰富的时空信息,相对于GPS,RFID等其它定位手段,其成本更低、覆盖范围更广,几乎人手一部手机的普及事实构成了获取人群移动便利的数据源。手机通讯数据存在数据稀疏、定位精度低等问题,但是经过有效的处理之后,能够满足研究城市人群移动的需要。　　 本文基于中国某市移动通讯运营商的真实数据,设计了有效的数据处理方法,得到用户个人时空特征路径,并在此基础上发现不同类型的驻留泊点,作为用户移动行为的一种表征。继而系统地研究了人群的静态(位置停留时长及空间分布)和动态(位置间转移的时间及次序)移动规律。　　 在静态分析中,发现大多数用户都主要停留在三类驻留泊点当中,平均比例高达84.1％;而在空间分布上,用户所出现的地点则十分广泛,为此我们根据居住地和工作地对空间进行划分,得到了用户出现地点在不同区域分布的比例,在居住地到工作地的通勤范围之内的地点大约只占所有出现地点的1/3。这些结果为估计城市人口分布提供了直接的参考。　　 在动态分析中,首先研究了泊点之间转移到时间分布特点,发现不同类型地点之间的转移时间特性分布差异显著:然后使用序列模式挖掘方法得到不同长度的序列模式,发现通勤需求和随机需求都数量较大。通过验证,动态分析方法具有可信性,对于估计交通流量有重要意义。　　 本文还尝试通过移动行为对人群进行聚类,对用户移动的模糊相似性进行了定义,提出并实现了一种综合使用系统模糊聚类和逐步模糊聚类的聚类方法,通过实验确定了适用于本方法的合理参数,发现了具有不同移动行为特点的人群及其在总体中的比例,对于交通、入口管理和城市规划都有直接帮助。　　 本文还对蜂窝通信量变化和城市人口密度变化进行了可视化呈现,能够帮助人们直观理解人群移动特点。