用户的活动地点,反应了个体的喜好、活动规律及一个人的社会关系。如果能够建立一个人的地点预测模型,就可以根据用户当前的地点预测用户下一次可能出现的位置。智能手机已经成为了人们生活中不可缺少的一部分,所以研究手机端用户数据,建立地点预测模型具有深远意义。本文对人类地点空间活动轨迹模型和数据挖掘技术中的预测技术等相关理论进行了深入的探讨,总结归纳了目前国内外在人类地点空间活动轨迹研究领域的研究成果,针对人类活动轨迹总是同时频繁访问某一些特定地点的特征和人类访问地点总是具有某种先后顺序的特点,设计并实现了基于改进的Apriori算法的强关联地点项模型和基于改进的PreFixSpan算法的地点序列预测模型,进而实现了对手机端用户的地点预测模型。首先,利用改进后的Apriori算法对用户的历史数据进行关联分析,将具有强关联性的地点项抽取出来,即在历史数据中在同一天出现频率较高的地点项。其次基于改进后的PreFixSpan算法挖掘出用户活动轨迹的先后顺序。为了提高挖掘地点先后顺序的效率,将强关联地点项模型的输出结果作为地点序列预测模型的输入数据,生成强关联地点项的投影数据库即地点预测集。在预测阶段,只要输入用户当前的地点信息,模型就会在预测结果集中匹配下一个将要被访问的地点,将被访问可能性最大的地点作为预测结果。本文建模使用的数据为Nokia手机端用户数据,利用用户前半年的数据作为训练数据,后半年的数据作为测试数据,目前本文提出的预测模型的预测准确率在65%左右。Nokia挑战赛的平均预测准确度为59%左右。在建模阶段,虽然本文是针对一个用户的数据建模,但模型具有普适性,在以后的应用中,只要输入相应用户的历史数据,就可以动态的为该用户生成该用户的预测结果集,从而实现动态地点预测。