新世纪以来,随着移动网络技术、智能终端技术以及互联网技术的快速发展,尤其是移动互联网在过去几年发展迅猛,移动互联网用户数不断提升,当前用户对智能手机依赖性越来越强,其用户行为数据呈爆炸式增长,这些数据对于用户行为研究具有重大意义,地图作为一种特别的为用户提供服务的移动端应用,它对于用户数据的研究目的是为了如何在用户出行的时候节省时间,最高效的到达目的地,并很好的获取与地理位置相关性很强的服务。本文从用户角度出发,结合用户使用百度地图的行为作为研究对象,以用户画像的分析方法对百度地图用户的用户属性、行为进行多维度的分析研究。首先,对地图用户多维度数据分析就是用户画像的形成过程,用户画像就是对现实世界中用户的数学建模,用户画像的过程就是给用户标签。标签是用户特征的符号表示,用户画像可以用标签的集合来表示。其次,依据用户一段时间内的使用行为数据,通过决策树、支持向量机、聚类分类等方法,对用户特征进行描述,从而建立能够体现用户真实行为的模型,结合地图服务的特殊性为用户出行,周边服务等进行预测。最后,利用大数据计算框架,结合算法模型对纽约市共享自行车数据和出租车数据进行数据清洗并仿真建模,通过数据验证了本文的基于用户画像的分析方法的实用价值,并分析了基于用户画像的用户行为信息分析可以集中化策略,节省成本。本文总结和概述了大数据的统计分析方法及存储方法,多维度数据分析方法,用户画像的定义和应用,研究了画像模型的建立过程,并给出基于用户画像的分析方法。创新性的提出了基于地图的用户画像的基本构成,即用户的基础自然属性、用户的后天行为属性以及预测或引诱的用户的深层次需求属性。本文对于基于用户画像的分析方法适用于拥有大量用户数据的互联网企业对于用户行为分析的需求,并很好的理解用户的需求,从而更好的服务于用户。