人类空间行为特征研究能够为城市规划、交通调度、信息与疾病传播、旅游监测等众多领域提供工作基础与理论方法指导。传统研究由于数据限制，对人类空间行为特征的研究不够充分。Web2.0技术和带有定位功能的移动计算设备的广泛应用产生了大量具有个体标记和时空语义的地理空间大数据(Geospatial BigData，GBD)，为长时间、高精度、高效地跟踪个体空间行为提供了数据基础。本研究以现有研究理论为基础，提出了不同空间尺度的人类空间行为特征研究方法，并以签到数据为例进行了分析与验证。　　本研究从城市内和城市间两个尺度对空间行为特征展开了研究。在城市内尺度，提出了一套基于活动的空间行为特征研究方法，并建立了基于活动的个体移动模拟模型(Activity-based Individual Movement Simulation Model，AIMSM)与个体活动Trip转移算法。通过在研究区上海构建格网，考虑活动类型、时间和位置进行了300，000个体的1，000，000次空间行为蒙特卡洛模拟，再现了城市内的个体空间行为特征。通过与实际数据的比对分析，验证了该方法的有效性，并发现城市内群体移动特征较好地符合β=1.6的幂律距离衰减形式重力模型，同时受到兴趣点(Point of Interest，POI)分布以及生活习惯（表现为活动转移概率）的影响，从而呈现出指数形式的步长分布特征。　　在城市间尺度，本研究提出了城市间空间移动特征研究方法，从群体和个体两个层面同时展开，互相印证。在群体层面，对群体移动模型进行了拟合，定量地探讨了距离以及城市吸引力对大尺度空间移动的影响，结果表明城市间群体移动符合幂律距离衰减形式重力模型，距离衰减系数β=0.8;在个体层面，通过蒙特卡洛模拟，将模拟结果所反映的移动特征与实际移动特征进行相关性分析，发现基于负幂律衰减的重力模型能够较好地刻画个体在城市间的移动特征，但不排除排序选择模型和辐射吸收模型共存的可能，这种多模型共同作用的结果主要是由于个体移动的差异性造成的，群体移动特征往往是个体移动特征的综合反映;最后在不同的城市规模地理分布下，进行了个体城市间移动模拟，分析了城市规模地理分布对城市间个体移动特征的影响。　　城市间交互网络是一个空间嵌入网络，铁路、航空等网络都是对其的刻画。本文利用海量城市间个体移动数据从全新视角构建了中国城市间交互网络，基于复杂网络理论与方法对网络特征进行了度量分析，运用Multi-level社区发现方法对城市区域结构进行了划分，并探讨了划分结果的内在影响因素。实验表明，中国城市间交互网络具有小世界特性和区域化结构状态，多次划分的统计结果显示中国城市体系形成了显著的8个国家级城市区域和21个省级地方城市区域的总体格局，研究结果与实际情况基本符合，探索了利用GBD研究城市体系的方法与可行性。　　基于大数据时代产生的全新地理空间大数据，本研究从空间行为特征的角度探索了一系列理论研究方法，并通过签到数据进行了实例验证。空间行为特征的研究对于诸多应用有着重要意义，空间行为的统计分布特征与模型，是交通模拟以及疾病传播预测等中的基础参数与建模基础。本文成果对既有个体空间行为特征研究体系的若干方面做了有益补充，为后续基于GBD的空间行为特征研究提供了有益探索和可行方法，有望对疾控工作、交通规划与调度以及城市体系研究等提供理论指导。基于GBD研究个体或群体行为活动中蕴含的空间认知规律、空间行为特征和交互模式，建立以人为本的地理信息服务，进而支持个体或群体的空间行为决策，已经成为地理信息科学研究的前沿问题，此方面研究也将为联系“计量”和“行为”两个地理学思想流派以及重新审视人地关系提供一个全新的视角，从而推动理论地理学的进一步发展。