人类行为时空模式的研究，是当今复杂系统研究的热点。深入理解人类行为在时间和空间上表现出来的复杂性，有助于解释某些复杂现象内在的动力学特性，提供新的视角和方法，为行为预测、信息推荐、交通规划和传染病控制等领域提供重要的支撑作用。因此，人类行为的实证研究具有极其重大的应用潜力。　　近年来，人类行为的时空特性已经被广泛研究，并提出了一些解释的模型，但对于解释人类行为来说还远远不够。本研究关注于大范围地理空间移动时，人类群体行为和个体行为的时空特性。收集的实证数据为手机（移动终端）用户浏览网页时产生的，记录了用户浏览的网站，访问的基站以及相关的时间数据。　　本文首先筛选出大范围移动的个体，对这些个体的时间特性和空间特性进行了研究，比较了本数据集的结果和之前研究的异同。同时由于数据集包含网站和基站两个维度的信息，对个体浏览网页行为的现象也进行了分析。在众多统计结果中，得到了非马尔可夫性的标度特性，例如间隔时间分布满足幂律、访问地点的次数分布满足幂律，对于不满足标准幂律或指数分布的反常现象，给出了详尽的分析。　　其次，基于自定义的用户关联规则，两个个体在同一个小时内访问同一个基站，则两个个体存在一条边，将整个数据集构成一个无向加权网络。研究无向加权网络的特性，发现网络是无标度网络，网络中节点的度分布、点权分布和边的权值分布满足幂律特性，揭示了网络的聚类系数趋向于一个定值0.55。　　最后，针对本文的大范围人类移动数据集，使用了两种现有的人类行为空间模型，即，连续时间随机游走模型和个体行为模型进行仿真，研究了模型在停留时间、地点访问次数、信息熵和预测性这四种分布上的结果，结果表明两种模型都不能解释实证数据的信息熵和预测性分布。进一步地，本文提出了创新的大范围人类移动行为模型，结果显示能够重现实证数据的信息熵和预测性分布，验证了模型的有效性。并且，本文展示了不同参数情况下的模型结果，对模型进行了理论推导分析，得出了活动次数的幂律特性、访问地点数目的幂律分布、地点访问频率和排名的幂律关系等。