大规模手机位置数据包含了丰富的居民活动信息,被广泛地用于理解人类活动特征。然而,当前的手机位置数据不是为了研究人类移动性而收集,不同数据集拥有各自的时空间分辨率,这将影响数据在分析人类移动性特征时的结果。手机位置数据时间分辨率的变化会带来如下两个问题:(1)时间分辨率降低会使得传统基于移动速度的乒乓效应检测方法有效性降低,未被检测的乒乓会干扰移动性分析结果;(2)因为时间聚合效应的存在,时间分辨率所代表的观测尺度变化会影响人类移动性分析的结果。如何发展有效的乒乓效应检测方法来降低乒乓效应对分析结果的影响?如何更好地理解不同时间分辨率下的分析结果?这些问题是利用手机位置数据研究人类移动特性过程中的基本问题。围绕这些问题,本文的研究工作包括:(1)针对传统基于移动速度的方法难以有效检测手机位置数据中的乒乓效应,本文结合乒乓效应的跳转特征,构建了基于移动速度、重复跳转和频繁转向三个角度组合的乒乓效应检测方法。该方法将乒乓效应检测的有效性对时间分辨率的依赖从传统基于移动速度的小于5分钟扩展到小于30分钟。而在分析乒乓效应的时空间特征时,本文结合一套手机位置数据发现有超过40%的乒乓效应造成的定位偏差超过了 500m,而且乒乓效应在傍晚到凌晨期间更容易发生,在城中心区域的发生概率相对较高。此外,CDR数据中乒乓效应对人群的移动性分析结果影响较小,但是相应的影响在个体层面较为复杂。这些发现为有效地检测乒乓效应提供了途径,为更好地处理乒乓效应、理解其对研究性分析的结果提供了参考。(2)当时间分辨时间分辨率足够稀疏时,无法被有效检测的乒乓效应会带来“假移动”的现象,会对停留识别结果造成的干扰。对此,本文提出了一种引入不确定性分段的停留识别方法。该方法通过引入不确定分段来表示轨迹中具有显著停留和移动特征之外的部分,进而通过这些分段相邻轨迹的所组成的九种上下文模式和五个规则。结果表明,相比于当前常用的停留识别方法,本文提出的方法能够最高将停留识别的准确率和召回率提高超过20个百分点(例如准确率和召回率从51%和57%分别提高到79%和78%),而且该方法在参数选择上具有高稳定性特征。该方法有效地提高了基于停留识别结果开展研究结论的可靠性和科学性。(3)时间分辨变化对人类移动性指标数值产生的时间聚合效应会影响分析结论。对此,本文系统地评价了四个从不同角度反映人类移动特性的指标(移动熵、回转半径、偏心率和日出行频次)数值随时间分辨率的变化规律,发现粗略的时间分辨率倾向于低估它们的数值,但是低估的程度各异。其中回转半径的数值相对稳定;而移动熵和偏心率受到的低估程度随时间采样间隔增加而呈现出线性增长的趋势,但偏心率的低估程度在用户之间的一致性明显低于移动熵;日出行频次受到时间分辨率的影响程度超过其他指标的三倍以上,而且当时间分辨率小1小时,其数值对时间分辨率的变化更为敏感。这些规律能够帮助更好地理解从手机位置数据中获得的人类移动性结果中存在的偏差,支持面向特定研究目的的定制化数据收集方案中,时间分辨率的选择。(4)不同持续时长的活动时空信息在轨迹数据中被保留的程度存在差异,本文构建了活动在不同时间分辨率轨迹中被识别的概率模型。该模型能够用于指导面向特定类型活动的数据收集方案制定,以及评价从给定数据集中所获得分析结果。本文进一步根据日出行频次和日出行距离对人群进行分组,分析他们的移动指标受时间分辨率变化的影响差异,发现对于日出行距离远而且出行频次高的用户而言,其回转半径和偏心率受到粗略时间采样间隔的影响相对较小,而移动熵受到的影响相对较大,而且对于移动熵和偏心率而言,相应的偏差程度与整个人群的偏差程度相近。这些发现有助于检测基于粗略时间采样间隔的数据所制定的政策对不同人群影响的差异,从而降低因数据偏差导致的社会不公平现象。