随着环境感知与计算技术的成熟,城市环境中开始有各种各样的大数据出现,城市自身存在的许多问题或者特点可以从这些大数据中获得并通过分析得到解决方法,这就是新兴的城市计算的概念。通过对大量有移动终端产生的数据进行整合、分析与计算,从中获得知识与规律,并利用所得到的这一知识与规律,来提高人-环境-城市的协同工作效率。LBSN中的用户是不断移动的,位置不断地变化,如想要有效的对移动用户的信息进行获取与管理就需要一个有效的时空索引,同时城市中的移动用户往往携带的信息不仅仅只有它的时间、空间位置信息,所以就希望时空索引可以携带更多的信息,因此本文提出一种带有属性维度的时空索:ATPR-tree,这种带有属性维度的时空索引,可以对携带某种属性值的移动对象进行管理。ATPR-tree以TPR-tree的结构作为索引本身的为基本结构,但是为了加入属性值维度,需要对TPR-tree的结构进行改造,新加入的维度必然引起代价目标函数的变化。本文提出的算法同时还对原先TPR-tree的插入,重插与删除算法根据新给定的代价函数做出改变。实验部分会比较把属性值维度融合进索引结构中的TPR-tree索引和没有把属性值维度融合进其中的普通的TPR-tree索引检索带有属性值的移动对象的效率。试验中的数据由GSTD随机生成器生成,实验最终结果表明把属性值作为一个维度的ATPR-tree可以有效的减少节点访问次数,进而提高检索效率。原先的基于位置的推荐系统在选取候选的推荐地点时往往需要参考用户的偏好和区域专家之间的相似度。但是在这一过程中所使用的数据往往都是用户过去一段时间内已经产生的轨迹信息而没有考虑进一些实时变化的因素,从而在造成了推荐时推荐的结果会存在一定的误差。为了解决这一问题,本文提出了修正集的概念,修正集会参考LBSN用户当前的状态,推荐时不仅会基于用户已经产生的轨迹段同时还会结合其他用户当前反馈回来的一些信息,来向用户做出更加精确的推荐。最后本文利用一组实验证明了,加入修正集之后,推荐效果确实有了一定量的提升。