移动互联网时代发展迅速，而数据是联系社会和网络的重要纽带。手机上网记录不仅包含了海量用户的时空信息，还详细记录了他们在互联网中的生活状态，因此，上网行为已经成为细粒度理解人类行为动态的重要入口。与此同时，越来越快的城市化进程伴随着日益加大的城市监管压力，基于上网行为动态的研究及监管已经成为城市社会计算应用的研究重点。
　　基于移动互联网用户行为的监管可以捕捉时间，空间，访问内容维度的信息。具体而言，用户访问内容动态的监管和用户空间动态的监管是基于移动互联网用户行为的社会计算关键技术。本文从移动大数据的背景出发，在城市监管的角度细粒度地挖掘了用户行为在时间、空间和内容维度上的模式特征与潜在联系，主要工作如下：
　　1.对用户的移动网络使用详细记录（Usage Detail Records，UDR）进行了分析，研究了移动互联网用户访问行为中所包含的内容维度及位置维度下的多样性、可预测性，并探明了用户行为研究的研究粒度，讨论了研究的可行性。
　　2.提出了一种基于张量分解的用户访问内容动态研究方法，方法认为用户的互联网行为是许多典型的基础特性的加权和，并利用用户的访问内容时间序列构建上下文转移张量，使用改进高阶奇异值分解（Advanced High Order Singular Value Decomposition, AHOSVD）提取出了可靠的移动用户上下文行为组成特征基，特征基代表了特定人群的典型访问内容模式。此外，结合空间和地理因素，提取了两地移动用户在线行为的可靠空间结构。方法得到的更高维度的研究结果可以对用户上网序列行为模式提供全面的描述，研究结果可以更有效的利用于城市管理者的资源分配及监管。
　　3.提出了一种基于图信号模型的用户空间动态发现方法。以基站作为空间节点，将节点间的空间依赖关系建模为空间网络图，结合基站在各个时间点的状态，对空间网络图进行叠加隐喻以将基站的时空联系结合在一起，加载节点人流量为图上信号并构建图信号模型以反映用户的空间流动轨迹，将谱图小波算子应用到空间图信号中，在不同的小波尺度上生成小波系数。通过对小波系数的分析，可以推断出人口流动的起源、传播和跨度等有价值信息。
　　上述方法通过从时间、空间、内容三个基本维度出发，为人类行为动力学研究提供了新的视角，基于移动互联网用户行为的社会计算关键技术的研究结果，为城市基础设施建设及社会监管提供了有效的指导。