城市空间结构的合理性是城市健康发展的必要条件，而城市空间结构与城市中居民的活动密切相关。因此，描述居民的活动空间，并以此揭示城市的空间联系能够帮助决策者认知城市空间结构，理解城市空间结构形成背后的逻辑，为空间结构的优化提供理论支持。
　　近年来，大范围、长周期观测的个体数据出现为城市结构的研究提供了机遇。与传统调查数据相比，移动通信数据覆盖范围广、精确度高，可以从时间与空间层面对个体出行活动进行连续观测，为居民活动空间的描述提供了机遇与支持。
　　本研究主要采用移动通信数据，基于hadoop与spark的大数据架构进行数据处理。针对居民的个体活动轨迹中的重要结点，提出识别活动点、居住地锚点、就业活动点的识别方法。对居住地锚点，将结果与六普数据进行比较检验识别结果的准确性。对就业活动点，提出以就业活动点的净流入值用于区分就业中心及居住社区，同时也检验了识别出的就业活动点。
　　其次，本研究从个体与群体层面提炼居民活动空间的关键指标。在个体活动空间描述方面，在对比四种传统的活动空间测度方法后，选择采用置信椭圆法衡量活动空间面积与方向性，并提出以DBSCAN识别个体活动中心数量的方法。在群体活动空间描述方面，通过借鉴个体活动空间的描述方法，提出以加权置信椭圆法衡量群体活动空间面积及方向性，以热点分析与DBSCAN算法识别群体活动斑块数量。然后，对上海市域范围居民对以上指标进行集计与可视化，并进行对比分析。
　　之后，本研究通过构建复杂网络、用社区发现的算法从职住关系中识别出城市的结构。从中非重叠社区发现了上海的两层通勤结构，讨论了通勤结构的形成原因；从重叠社区的识别中能够同时识别出大型社区、小型社区与带状社区，分别能够揭示城市整体的职住空间结构、紧密联系的通勤区域与城市中的长距离通勤需求。结果表明，居民的通勤活动受到行政区划的制约，尤其在城市郊区受到的制约更强；规划与政策、主要交通走廊对居民通勤活动有较大引导作用。
　　本研究对居民的个体与群体活动空间提出了相应的描述指标，并基于这些指标对上海市居民活动空间进行检测与分析。同时，基于居民职住关系分析城市的空间联系，揭示空间结构。本研究的研究结论希望能有助于进一步分析认知城市居民活动空间、城市空间联系，为建成环境与居民活动空间的关联分析提供了可靠的技术与理论支持。