随着近年来智能手机持有数量的爆发式增长,几乎每个人都变成了信息的产出者。仅以中国移动为例,其有超过8亿用户,每天都能产生110亿分钟通话、17亿条短信、2.3PB流量,而大部分数据的发生都与用户所处位置息息相关。在此背景之下,针对位置数据的研究也随之迅速发展,有相当一部分工作都取得了良好的效果。基于此,我们选用了移动运营商提供的某市一个月的位置数据,进行了相关的研究。针对目前常见的位置数据模型对单个用户的表现力不够的问题,我们提出了一种改进的建模方法,并从各个方面分析了此模型的意义。城市的发展逐步促成了各种功能的区域,例如教育区、住宅区、商业区等,而区域间存在的人口流动行为也使得它们彼此形成了各种强弱不同的社会关系,掌握这些信息,将非常有助于我们理解城市居民的移动规律、预测人口的流动等。本研究把自然语言处理的方法引入区域间关系的定量分析中,并提出了区域激活熵模型用来发现隐藏在区域之中的社会关系。最终,我们得到了高达88%的平均预测准确率,证实了区域间人口流动行为具备高度的规律性。最后,考虑到人类的移动行为在一定程度上受区域之间关系的影响,我们创建了一个加入区域激活力的马尔可夫位置预测模型,使得位置预测的准确率同比提升了 23.5%。实验结果表明,我们的研究将对智慧城市建设中的区域规划、交通预警、位置推荐等项目提供帮助。