随着信息技术的发展以及城市设施的智能化,移动通信数据、公共交通数据等城市运行产生的大量人类移动轨迹得以被获取与感知,人类移动轨迹在许多方面都具有重要的研究价值。与此同时,伴随数据处理技术与相关学科理论的发展,利用大规模数据研究因人类移动产生的物理接触行为成为可能。人类移动行为是多种社会现象的主要源头,从人类行为和迁移模式,熟悉的陌生人现象,到传染病传播,以及社会友谊网络的形成。作为人类移动行为的一种类型,对于物理接触行为的研究有助于理解相关社会现象的形成与发生。本文对乘客相遇行为进行研究。运用网络科学的相关理论工具与方法,本文提出基于密切物理接触行为的相遇网络构建策略。使用公交智能卡系统采集公交数据,结合数据本身特征,通过空间站点划分对乘客乘车记录进行数据预处理,提出了结合时间接近性与空间相等性的移动轨迹重叠判断策略,量化移动轨迹的重叠行为,并构造了相遇网络。以不同时间尺度展示相遇网络结构并对网络进行统计分析。瞬时网络结构表现了网络内部的小社群特征,反映了人群流动的小规模抱团特征。发现相遇网络的结构演化规律与人群在城市生活作息行为规律关联较大。相遇网络的增长主要来源于早晚高峰的客流。同时,通过对比累积相遇网络结构,发现相遇网络表现出与乘客出行规律相关联的周期性特征。为了分析乘客相遇行为的形成,本文构建了有监督的机器学习策略。针对一般线性模型仅仅独立分析使用特征,无法估计特征向量之间的相互作用,导致模型效果较差的问题,构建了特征交叉的因子分解机模型。在数据特征处理上,分别构建了基于网络结构特征与基于信息熵量化的乘客出行时空特征,构建对应模型,并使用多种指标评价模型性能。研究发现基于网络结构特征的分析模型表现良好,单一的乘客出行时空特征表现一般。为了进一步提高模型性能,提出特征组合策略,构造了网络结构特征与乘客出行时空特征的特征组合,通过指标的比较,模型效果有了较大的提高。表明作为个体行为规律的量化指标,乘客出行时空特征的引入提高了模型的有效性。本文对模型进行了解释说明,并分析研究了相遇网络中乘客相遇行为现象的影响因素。传染病的扩散现象是物理接触网络研究的一个重要方向,为分析相遇网络上的扩散行为,本文构建SIR传播仿真模型,计算相遇网络个体的网络中心性特征,结合乘客个体出行特征,设计仿真实验来研究传染病流行背景下相遇网络上的传染病扩散现象。分析不同评价指标下个体的扩散能力,设计多个实验组进行比较。研究发现,综合效率与性能,网络度相比于其他指标更适合评价个体的网络扩散能力。高分位节点推动了整个网络的扩散行为。对于相遇网络中重要个体的关注有助于管理者进行相关策略制定。本文基于快速公交数据,构建相遇网络,并在相遇网络上了一系列分析实验,展示了相遇网络的演化规律,并构建因子分解机模型分析网络连边,解释描述了影响个体相遇行为的重要影响因素。并通过传播仿真实验展示了网络的应用价值。最后对本文的研究结果进行了总结归纳,发现本文的不足并对未来研究进行展望。