1、在當(dāng)今的科技和網(wǎng)絡(luò)時(shí)代，人類行為數(shù)據(jù)的采集和保存變得容易，這為研究人類行為創(chuàng)造了有利的條件。CDR（Call Detail Record，呼叫詳細(xì)記錄）數(shù)據(jù)作為人類行為數(shù)據(jù)的一種，真實(shí)地記錄了移動(dòng)用戶日常的活動(dòng)軌跡，能夠很好地反映出人類的時(shí)空行為模式，因而具有很大的研究?jī)r(jià)值。
　　為了有效并且高效地對(duì)移動(dòng)用戶行為進(jìn)行研究，本文參與設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)移動(dòng)用戶行為分析平臺(tái)，該平臺(tái)可以提供對(duì)移動(dòng)用戶行為數(shù)據(jù)的管理、分析、計(jì)算以及計(jì)算結(jié)果的

2、呈現(xiàn)等完整的功能。并且，該平臺(tái)充分利用了數(shù)據(jù)可視化技術(shù)在知識(shí)發(fā)現(xiàn)上的優(yōu)勢(shì)，對(duì)CDR數(shù)據(jù)進(jìn)行了有效的可視化呈現(xiàn)。
　　借助于該平臺(tái)，本文對(duì)CDR數(shù)據(jù)進(jìn)行了研究，主要關(guān)注移動(dòng)用戶活動(dòng)軌跡，分析了軌跡中隱藏的移動(dòng)用戶行為特性，并先后提出了兩種基于軌跡特征的用戶識(shí)別算法?；谲壽E特征的用戶識(shí)別算法的關(guān)鍵在于找到能夠有效表征用戶軌跡的特征量。本文提出的第一種方法將位置概率分布向量作為用戶軌跡的特征量，該方法利用了軌跡的空間信息；第二種方法在

3、第一種方法的基礎(chǔ)上，加入了位置之間的時(shí)序關(guān)系，將位置轉(zhuǎn)移頻率矩陣作為用戶軌跡的特征量。有了軌跡的特征量之后，通過(guò)衡量軌跡特征量之間的相似度就可以得到其對(duì)應(yīng)軌跡的相似性，本文利用余弦相似度對(duì)這些軌跡特征量的相似度進(jìn)行了衡量。最后，本文認(rèn)為相似性最高的軌跡更有可能屬于同一個(gè)用戶，以此得到用戶識(shí)別的結(jié)果。
　　為驗(yàn)證算法的有效性和適用性，在不同條件下進(jìn)行了測(cè)試，包括通過(guò)選取不同大小的時(shí)間段來(lái)控制軌跡的長(zhǎng)度，通過(guò)選取不同通話頻率的用戶群來(lái)