活动空间与社会空间的结合，是城市空间复杂性发展下的必然趋势。由行为同伴所折射的社交空间探析，加强了社会空间理解的内涵；由实体空间利用所折射的公共与私人空间关系，丰富了理解社会空间差异的角度。本书所强调的基于个体、以活动空间透视社会空间的理论立场，是为了适应近期地理研究所提出的“移动性转向”（Mobility Turn）学术背景（Sheller et al，2006），完成从过去“基于地点”到“基于个人”的研究转向（Miller，2005）。然而，活动空间的研究仍然面临方法论的挑战，基于个体行为的研究能够从微观上对城市运行与结构的机理做出解释，但需要完成从微观个体到宏观汇总的转变，从更大尺度上去认识城市的问题，提出解决的对策和方案（柴彦威，2005）。

早期的分析多是对行为时空特征的刻画，从单一测量到引入不同的维度，但大多采用先入为主的群体划分方法。活动—移动行为模式的早期分析大部分是基于统计的，以性别、收入等情况而划分组别，通过组内相似性和组间差异性的分析，来了解由个人属性而带来的行为差异（Hanson et al，1980；1981）。时间地理学思想影响下的行为分析，引入了三维地理信息系统（GIS）可视化的方法，根据性别、工作性质而产生的整日活动安排的差异，通过时空路径的形态、破碎化程度来认识（Kwan，1999；2000）。中国的时间地理研究仍然围绕女性、低收入群体、郊区居民等在行为上具有一定弱势的群体观察，行为特征的认识多是基于经验的判断，做人为的划分（张艳等，2011；许晓霞等，2012）。

活动空间模式的识别技术在地理计算与空间聚类的过程中有所推进。这方面研究与早期人为群体划分的最大区别在于，将活动序列和特征的指标进行计算机处理，不加入研究者主观的经验认识，通过计算或聚类得到行为模式，而后再认识行为模式产生的背景与影响因素。代表性的研究有以色列舒瓦尔团队（Shoval et al，2007）利用脱氧核糖核酸（DNA）时空序列聚类的研究：对居民在空间区域活动顺序进行DNA 抽象，并由聚类软件挖掘具有相似空间活动规律的人群。另一典型研究是美国田纳西大学对居民活动—移动行为研究软件包的开发，通过对个体时空路径的几何形态比对，完成了典型行为模式的识别（Chen et al，2011）。中国的行为研究也在计算机领域进行了尝试，基于本书的北京居民活动调查数据库，李雄等（2009）利用时空序列比对和频繁模式挖掘，对居民活动内容安排的时间序列进行了聚类，并进一步讨论了此类活动所代表的居民群体。(www.daowen.com)

通过活动空间来分析社会空间的研究，仍然秉承“物以类聚，人以群分”的原则，中国地理学者对此进行了部分探索。龚华、柴彦威等（2000）最早对深圳市居民工作日的生活时间进行了类型划分，探讨了居民属性与生活时空间特征的相关性。刘玉亭等（2005）对城市贫困群体的日常活动时空间结构进行了分析，表明贫困群体限于自身较低的社会经济地位和窘迫的生活境况，呈现出活动的不活跃和空间范围的狭小。兰宗敏、冯健（2012）对城中村流动人口的活动空间进行了分析，发现流动人口在工作日和休息日的时间利用存在显著差异，可以划分为单一工作型、单一家务型等六类，并与社会环境及人群属性密切相关。黄潇婷（2009）对旅游者时空行为模式进行了探索，将时间、空间、活动和路径作为行为模式汇总聚类的重要元素，通过差异度和显著度的量化，得到了颐和园案例景区游览的六类模式。这些研究多是通过行为的时空间特征指标聚类或经验判别，得到活动空间模式与属性的相关关系。现有研究水平存在两个不足：第一，此类研究多限定在某类群体的活动特征，以避免研究对象范围过大而增加的复杂性，但同时也造成了对居民行为模式认识有偏的缺陷。第二，对活动空间的刻画仅停留在行为的时间、空间特征上，并未对居民的社交空间，即与谁一起而引起的活动安排变化加以关注。

本节是在前文对活动空间的时空格局、模式分异以及社交空间研究的基础上，考虑活动—移动行为差别和时间、空间、出行链特征以及同伴选择所折射的社交特点，将居民群体的生活方式加以聚类认识，理解社会空间的主观性及由此形成的非围合的社会分区，从活动空间角度丰富社会空间研究的内涵。