人类移动行为的研究是认识和理解人们日常生活规律、社交关系、人口流动以及社会文化发展的重要课题,可以用于解决基于位置的信息推荐、城市道路交通优化、国家人口迁徙分析、国防反恐预防等一系列关于市场经济、城市规划、国家政策及国防安全问题。近些年来,随着移动设备和通信技术的不断进步和大规模普及,可获取的个人移动行为信息爆发式膨胀,与此同时移动社交网络的出现,为研究人类移动行为提供了更丰富、更具个性化的个人信息数据,激发了对人类移动行为规律研究的热情,促进了在人类移动行为研究领域上的创新和突破,同时也出现了种种研究中的难题。本文针对目前移动行为研究中出现的移动位置预测准确率差异大、对异常移动行为预测能力弱等问题展开研究和讨论。通过分析GeoLife和Instagram的移动轨迹数据,归纳并提出随机、访问量相关、时序相关、社交行为相关以及时序社交相关的人类移动行为模型,并基于这5种模型下的移动行为信息熵,提出人类移动行为的最大可预测率的计算方法,为人类移动行为研究、选择移动位置预测算法以及推断是否出现过拟合现象提供了理论依据；同时针对人类移动行为中的异常移动行为,通过研究分析社交行为信息和用户历史移动行为之间的潜在关联,提出了结合社交行为的移动位置预测算法,通过与基于访问量统计、基于决策树学习以及基于马尔科夫过程模型的移动位置预测算法进行实验对比,分析验证预测算法的性能,讨论算法准确率和最大可预测率之间的关系,验证本文提出算法的有效性和实用性。经实验证明,本文提出的移动位置预测算法揭示了人们移动行为与在线社交行为之间的潜在关联,既对日常移动行为的位置预测有高准确率,同时对异常移动行为的位置预测也优于其他移动位置预测算法,具有现实的理论意义和应用价值,为人类移动行为的研究提供了新的创意与思路。