城市是典型的动态复杂系统,个体间以及个体与外部环境间存在的较强的非线性相互作用和由此产生的涌现行为是复杂城市系统的重要特征。城市的正常运作有赖于大量个体的高效交互,因而揭示居民间时空交互接触模式所蕴含的普适规律对于包括流行病传播、城市规划及交通工程等各类城市研究至关重要。然而过去由于数据采集的限制,学者们难以获取高时空精度的个体轨迹与交互数据。近年来随着信息通信技术的发展,手机已然成为某种意义上的个体传感器,能够客观记录用户的时空位置信息。本文基于北京、阿比让和达喀尔三个亚洲与非洲城市的大量手机用户数据,挖掘出用户的动态移动轨迹,并进一步根据个体时空共现原则构建不同时间片上的时空交互网络。本文发现,虽然个体在城市中几乎处于不断移动的状态,吸引大量流量的热点区域在一天内也在不断变化,但各个地点上每个小时内的动态人口的齐普夫分布却是非常稳定的,而且不同城市都遵循相似的规律,这也表明城市系统具有近似的时空聚集模式,另外较大的城市具有更强的空间异质性。将连续单位时间窗口下的时空交互网络进行聚合后,本文发现城市系统会在“活跃”与“休眠”两种状态之间切换:在“活跃”状态下,城市居民的时空交互集中在较少的大型社团中;而在“休眠”状态下,则分散在更多的小型社团中,上述发现在各个城市中普遍存在。而且,一个城市人口越多,它的休眠时间越短。此外,个体时空交互网络存在明显的社团结构,社团内部个体具有较强的时空交互强度,通过进一步分析不同社团内个体居住地的空间分布,本文发现在较小的城市中,其居住地在空间上也更为接近,而在大城市中则可能非常分散。这表明小城市中的居住模式可以较好地反映时空交互模式,而在大城市中二者之间的关系更不明显。最后,通过整合异质的群体出行概率分布,本文提出了一个时序人口加权机会模型,能够很好地解释上述个体时空交互模式,并且对于人类移动的机制研究提供了一定新的认识。