The complexity of geographic space can be better understood through the concept of living structure, which consists of numerous interconnected smaller features and a few larger ones distributed across multiple spatial scales. The rise of geospatial big data presents unprecedented opportunities to explore this complexity, offering finer spatial resolution for analyzing urban structures and human activities. This thesis leverages diverse geospatial datasets – including street nodes, building footprints, points of interest, social media check-ins, andnighttime light imagery – to examine urban forms and the intricate patterns of geographic features and their underlying human activities across scales. To address key challenges in geographic analysis in the era of big data, this research adopts a topological representation of living structure, inspired by Christopher Alexander’s organic view of space to characterize the complexity of space. Under this perspective, geographic space is not neutral or lifeless but rather an organized complexity that can be mathematically quantified.

The findings reveal a strong correlation between human activities, as indicated by social media check-ins, and the spatial distribution of street nodes and building footprints at various scales. To account for the heterogeneous spatial distribution of geographic features, an enhanced spatial clustering method is introduced. This study also quantifies the structural complexity of intra-urban spaces and identifies urban centers by integrating multi-source geospatial data. Furthermore, the complexity of geographic space is analyzed globally usingnight time light data, leveraging recursively generated substructures. By adopting a holistic, multi-scale perspective on geographic space, the concept of living structure provides a novel framework for understanding complex human activity patterns in the era of big data. This research offers new insights into the spatial organization of cities and contributes to the development of sustainable urban environments.

Det geografiska rummets komplexitet kan förstås bättre genom konceptet living structure, som består av många sammanlänkade mindre element och ett fåtal större, fördelade över flera rumsliga skalor. Framväxten av geospatiala big data erbjuder enastående möjligheter att utforska denna komplexitet och möjliggör analyser av urbana strukturer och mänskliga aktiviteter med högre rumslig upplösning. Denna avhandling använder olika geospatiala datakällor– inklusive gatunoder, byggnadsfotavtryck, intressepunkter, incheckningar på sociala medier och nattljusbilder – för att undersöka stadsformers och geografiska företeelsers komplexa mönster samt de bakomliggande mänskliga aktiviteterna över skalor. För att hantera centrala utmaningar inom geografisk analys i big data-eran tillämpar denna studie en topologisk representation av living structure, inspirerad av Christopher Alexanders organiska syn på rummet. Ur detta perspektiv är det geografiska rummet inte neutralt eller livlöst, utan en intrikat organiserad komplexitet som kan kvantifieras.

Resultaten visar ett starkt samband mellan mänskliga aktiviteter, representerade genom incheckningar på sociala medier, och den rumsliga fördelningen av gatunoder och byggnadsfotavtryck på olika skalor. För att hantera den heterogena rumsliga fördelningen av geografiska företeelser introduceras en förbättrad metod för rumslig klustring. Studien kvantifierar även den strukturella komplexiteten – eller livfullheten – hos intra-urbana rum och identifierar stadscentra genom att integrera geospatial data från flera källor. Vidare analyseras det geografiska rummets komplexitet globalt med hjälp av nattljusdata och rekursivt genererade delstrukturer. Genom att anta ett holistiskt perspektiv på geografiskt rum över alla skalor erbjuder konceptet living structure en ny ram för att förstå mänskliga aktivitetmönster i big data-eran. Denna forskning bidrar med nya insikter i städers rumsliga organisering och ger vägledning för utvecklingen av hållbara urbana miljöer.