不同城市功能区区域之间具有外在物理差异和内在功能差异，且随时间和人类活动不断发生演变。针对卫星遥感等传统监测方法存在运行周期长、成本高，不能表征内在功能差异等问题，利用通信运营商提供的用户生活数据——呼叫详细记录（CDR），进行城市功能区识别研究。首先，以人工标注的方法对基站小区进行功能区分类，得到住宅区、办公区、商业区、高校区、景点区五类训练样本；然后，提取各功能区内用户群体的通话行为和移动行为特征，进行差异性对比分析；最后，利用高斯混合模型（GMM）设计出多特征加权判决的功能区识别算法，并用训练集对该算法进行仿真。实验结果表明，CDR数据可以对城市功能区之间的内在差异进行表征，功能区性质与用户的通话行为和移动行为存在对应关系；判决权重为0.6时，该算法在现有数据集下的功能区召回率达到了最大，为51.08%。结合误差分析表明CDR数据在城市功能区识别应用上具有可行性。

针对当前基于呼叫详细记录(CDR) 研究用户移动性主要局限于移动距离、回旋半径等一维尺度,且该尺度不能准确描述移动范围的问题,提出在二维空间上用覆盖移动轨迹的凸包面积来描述用户的移动范围,用群体移动向量分析人群的移动行为。首先,设计了一种基于经纬度建立二维平面笛卡尔坐标系的方法。该方法结合墨卡托投影与半正矢公式得到散点间方位与距离,并依此确立散点在平面坐标系的坐标;然后,基于该坐标系计算了覆盖用户一天内移动轨迹的凸包及其面积,并统计其分布;最后,对所有用户的移动向量分时段作累积,分析群体移动向量在一天内的变化。实验结果表明,在180 km范围内,新坐标所计算的方位角与由墨卡托投影下确定的结果平均偏差0.037°,点间距离与由半正矢公式得到的结果平均偏差0.102%,可以很好地保持散点间的方位与距离关系。覆盖移动轨迹的凸包面积满足幂律分布,并与移动距离有较高的相关性。群体移动向量的变化展现了人群移动的潮汐现象,而且为发掘用户所在区域与周边地区的联系提供新的视角。