在互联网行业步入成熟阶段、智能移动终端设备快速普及的今天，地点信息作为连接个体的线上和线下行为的桥梁扮演着越来越重要的角色。对地点信息的研究，有助于认识人群移动行为的规律、产生机制，有助于对人群的移动行为进行预测和控制。　　首先介绍了人类行为动力学和在线社交网络的发展背景、研究思路和研究方法，然后主要研究了人群的个体属性、签到行为、好友关系的相互作用，揭示了人群在移动终端上签到行为的时空统计规律、签到的POI序列的时空统计规律，并建立了POI的跳转网络和序列网络研究人群在不同POI上跳转的规律，发现人群在不同POI上的跳转存在较强的异质性。同时，以个体为节点、个体间的好友关系建立社交网络，计算社交网络的基本参数，研究不同年龄段的人群在交友时的年龄倾向，发现不同年龄段的人群在交友时的确会考虑年龄因素；对于好友关系中的单向好友关系，特别研究了单向边中两个节点的性别差异，发现单向好友关系中异性好友的比例特别大；然后研究了交友对出行的影响，发现交友后用户的签到行为频次增加了，并且双向好友关系的影响比单向好友关系更加显著。　　最后，分别按照个体间共同好友的数量和POI序列的NLCS值，为社交网络中的边赋权，使用社团划分算法对个体分群，使用聚类算法对地点聚类，在此基础上，评估了常用的位置预测算法表现。　　本文尝试通过对人群签到行为的动力学研究、地点被访问的规律、人群交友行为对出行的影响，在位置预测中加入社交因素，服务于地点聚类和人群的社团划分，最终提升位置预测算法的应用价值。