随着以智能手机为代表的移动计算设备的普及和基于位置的服务(LBS)的不断发展，对人类的空间活动进行大规模地低成本地观测逐渐成为现实。通过使用地理可视化和统计对LBS人类时空数据集的分析挖掘，可以帮我们更好地理解人类的行为模式，从而帮助改善交通，预防传染病，合理规划城市功能分区。　　作者针对一种典型的LBS应用--签到应用，使用散点图和热度图可视化方法，对某签到网站的全天全国范围内的签到数据进行了探索，发现了用户签到行为的在多个尺度上存在的聚集性特征。在可视化探索的基础上，通过对签到频次的统计，对聚集性特征进行了定量分析，重点分析了街区尺度上(5002000m)上签到频次的分布特征。通过对北京、上海两个城市的数据的分析，统计和检验，发现了街区尺度上的签到频次符合幂律分布的模式。即地块的签到次数y与该地块的签到次数排名x之间，满足以下关系：y=C*x-α　　通过对该模式的分析和理解，说明了该签到服务的用户行为的空间分布呈现长尾模式，即大多数的用户行为分布在少数几个活跃的城市区域，其他的用户行为随机地散落在一个很大的空间区域中。通过对这一模式的理解，可以帮助识别城市中的热点地区，提取各个地段的关键特征，并以此用于支持商业地产选址，O2O服务投放决策等。　　综上所述，通过地理可视化手段，可以帮助我们快速地识别时空数据集中的关键模式。但与此同时，对于模式进行深入地分析，还需要通过定量的方法对模式进行统计和验证。