随着移动设备的广泛使用以及5G等定位技术的飞速发展,基于位置的服务己经渐渐成为了人类生活方式中必不可少的一部分,越来越多的用户轨迹数据通过各种各样的移动设备被收集起来,这些时空上下文轨迹数据中蕴含着大量用户潜在行为信息,对于用户行为模式挖掘与下一足迹预测至关重要,是近几年人工智能的研究热点之一。本文提出一个基于多尺度特征融合与自适应聚类轨迹预测模型,使用该模型对用户行为模式进行挖掘与分析,从而实现用户下一足迹预测。该模型中融合了本文提出的三大算法进行轨迹切割、时空一体特征提取与轨迹预测。算法一为基于时间统计特性的自适应时间戳定义算法,该算法结合统计分析的思想为每一位用户确定个性化自适应轨迹切割时间戳,解决传统方法引入主观性因素并且忽略了用户之间的差异性的问题;算法二为多方法集成特征提取与归一化因果嵌入算法,该算法引入时间序列特征提取方式,关注轨迹数据时空一体潜在特征信息,解决传统方法只关注单一特征空间且忽视特征比较量纲的问题;算法三为多尺度特征融合与自适应聚类算法,通过共同模式挖掘解决个性化用户签到行为带来的信息稀疏性问题。本文在真实的数据集中对提出的混合模型进行验证,实验结果表明混合模型优于现有的对比方法。同时,本文将提出的算法与混合模型应用于安全领域轨迹数据管理与轨迹预测,为实现安全决策打下基础。