在城市高度发展的今天,手机的人均占有率和使用频率居高不下,手机服务涉及的范围也愈加全面。手机用户在使用期间会产生大量的使用数据,例如通话,上网等记录数据。分析者通过对手机使用数据进行分析,不仅能够刻画一个用户的特征,也可以帮助运营商调整商业策略,为通信设施的搭建以及调整提供辅助性信息。由于手机用户的通话记录中既包含人类活动的时空信息也包含用户之间的社交关系信息,其对人类行为分析及理解有着重要的价值,采用传统机器学习和模式识别的方法从大规模通话记录中检测用户行为模式和用户之间的关系是比较困难且费时的,并且其结果缺乏解释性的证据,分析人员难以对结果进行合理的解释。针对以上问题,本文尝试使用用户通话记录提取用户行为特征识别用户关系,基于用户长时间的行为特征对运营设施进行优化,主要对以下三个方面进行重点研究:1.本文设计一种通过社交和时空信息探索和理解用户行为模式的方法,该方法能够从用户通话数据中提取时空、社交等信息,一方面根据户长时间的行为特征中识别用户的社会角色,另一方面采用社团发现算法在社交关系网络中发现社团,使用可视分析方法识别用户关系以及用户之间潜在的交互模式。2.单纯采用可视分析方法对用户关系进行识别、挖掘用户之间潜在的交互模式等存在分析对象数量大、分析效率底下的情况。为了提高分析效率,本文提出一种识别用户关系和潜在交互模式的半自动方法。该方法将用户看作节点,用户之间的多种类交互行为视为节点之间的边,构建一个多层动态网络,用户之间的通话和会晤关系都可以作为多层网络中的一个子层。采用张量分解方法对潜在的交互模式进行识别,最后使用可视化模型对结果进行解释。3.由于城市的发展和变迁,城市中的功能区和通话需求也会发生变化。通信运营商希望了解当前基站网络的运行状态和地区需求,并据此对基站网络进行调整,从而解决基站设施不能满足使用需求、基站资源浪费的情况。为了帮助本文提出一个基于感知循环理论和上下文+焦点技术的可视分析工具,用于从时空方面探索和分析基站网络,其帮助分析者专注于感兴趣的区域,且不会丢失上下文信息。分析者能够在交互过程中完成基站选址,基站网络微调等分析任务。