各种感应技术的发展使人们处在一个感应网络(sense networks)环境中,随时随地都可能会遗留下一些数字信息,而这些信息当中可能蕴含了大量有价值的人类行为模式。采用移动数据挖掘的手段充分利用这些信息,观测人类行为模式的内在规律,建立认知结构,更好地服务于人类社会是当前信息科学领域的重大研究问题。本论文以挖掘移动数据所蕴含的规律为研究目标,以城市交通为研究背景,探索移动行为建模和行为分析的新方法,具有重要的理论意义和实际应用价值。　　 本文给出了感应网络的研究框架,从内容体系、方法体系和应用体系三个方面对感应网络做了总结,指出了当前研究存在的问题,使人们对感应网络有一个系统、全面的认识。　　 影响模型是对多个相互影响的随机过程进行建模的理论,为了进行移动行为建模和移动行为分析,本文在阐述影响模型基础理论的基础上,构建了感应网络下个体和群体的影响模型,总结了影响模型建模的一般过程以及适用问题的一般特征。　　 准确的交通流预测是实现智能交通的关键,本文描述了交通流问题,分析了交通流的特性,对多节点之间交通流相互影响的特性进行了定性和定量的分析,证明了交节点之间交通流是相互影响的,从而提出了交通流预测方法的要求。　　 在以上研究的基础上,提出了基于影响模型的短时交通流预测方法,构建了城市交通网络的影响模型,用实际的交通流数据对模型参数进行了训练,实验表明本文所提出的方法不仅具有更高的预测精度,而且可以显示交通网络中交通流的相互交互规律和动态演化规律。