本文设计并实现了基于微博的人的感知系统。系统包括数据采集爬虫、动态社区发现算法、LBS分析与推荐系统。本文以微博数据为例，分析了一组具有代表意义的数据集，证明了系统的实用性。对数据规模扩展性的考虑，本文给出了新的系统数据规模性能测试与原有方法的比对，数据证明本文实现的动态社区发现算法远比前期工作的系统有效。　　文章首先介绍了城市计算和城市感知的概念与研究现状。人在社交网络上的行为能够给我们传递很多信息。其中LBS信息更是联系虚拟社区与真实城市的桥梁。本文回顾了社区的概念和一般的社区发现方法。综述了一般动态社区分析的方法。并且定义了动态分析中的模型构建。基于谱分析，使用增量谱计算来将静态社区中的谱聚类推广到动态分析中。对LBS信息文章分析了其中蕴含的有关人的行为的规律，并提出了一种贪婪搜索的算法用于路径推荐。基于这些信息，接下来对这些算法和应用进行了系统实现，主要解决了大规模矩阵求逆、应用服务搭建等问题。最后对系统进行了测试，证明了系统的可靠性。