随着城市化进程的加速,大量人口涌入城市空间,引发了交通拥堵等一系列城市问题。为了更好地管理城市交通与引导居民出行,亟需更深入地理解和认识居民出行特征和城市空间特征。城市空间布局会对居民出行行为产生影响,居民出行特征也能在一定程度上映射出城市的空间特征。传统的居民出行调查由于样本量小,难以建立起居民出行行为与城市空间特征之间的联系。随着出租车轨迹数据、手机信令数据等具有丰富时空位置信息的居民出行数据的涌现,为从居民出行活动视角深入挖掘城市空间结构信息带来了新的契机。本文在对出租车数据进行清洗和预处理后,开展了以下三个方面的研究工作:（1）居民出行时空特征分析。在时间切片视角下,对各时刻下的出租车出行总量、距离、时长、速度等指标进行了统计分析;在空间分布视角下,提出了改进的G-DBSCAN聚类算法,挖掘了城市内各时段的居民出行热点;结合出行OD信息,对出行热点来源进行回溯,采用标准差椭圆方法测度了各出行热点的吸引范围。结果表明:1)居民出行在时间和空间上表现出了双重规律性:（1）工作日各出行指标随时间波动起伏比休息日明显,（2）工作日与休息日各时段居民出行热点类型一致,7-9点出行热点为医院和交通枢纽,11-13点、17-19点为大型商圈和交通枢纽,21-23点为大型居住区、酒店和夜间经济活跃区;2)不同类型出行热点的核心吸引范围大小不同,其中交通枢纽类出行热点的吸引范围最广,其次是医院类,商圈类出行热点的吸引范围最小。（2）城市功能结构识别。首先,构建出租车出行时空立方体模型,提取了各地块的上车、下车量时间序列,采用时间序列相似度度量方法和PAM聚类算法,挖掘各地块的出发、到达模式;其次,对各地块的出发-到达模式进行耦合分析,共提取出10种典型的出行组合模式,并根据其到离时序特性和空间分布特性对各地块功能类型进行了判定;最后,采用兴趣点（Point of Interest,POI）数据,引入POI富集指数对功能区识别结果进行校验,进一步标定各地块的主导POI类型,并分析了城市各区域在功能类型和出行时序模式上的差异。结果表明:1)按出发-到达组合模式不同,可将城市划分为工业、商住混合、居住、商业、泛办公类5类功能区;2)市区、市郊、郊区主导功能类型不同,以市区为核心向外辐射,呈现办公、居住、工业的功能区分布层级结构;3)同一类型的功能区由于所处地理区位不同,在到达时序特性上呈现较为明显的差异。（3）城市社区结构识别。首先基于所有出租车出行数据构建了城市全局空间交互网络,采用社区发现算法对网络中的社区进行了挖掘,提取出每个社区内部交互子网络,对其内部交互特征进行了解析;其次,以全局社区为研究对象,分析其内部社区形态从局部至全局的演化规律,并识别了最大局部社区;最后,提取跨越最大局部社区的出行数据,解析其热门出行目的地,从城市功能分布方面探究了居民跨区域出行的深层原因。结果表明:1)在全局社区结构下,可将青岛市划分为南北、李崂、城阳、黄岛、胶南五大全局社区,各社区由于其地理位置与内部功能组成不同,呈现出不同的空间交互特征;2)城市外围与城市中心的全局社区内部演化规律不同,城市外围社区以同心圆渐进式向外扩张,城市中心社区呈现从多局部社区至单一全局社区的融合过程;3)对大型交通枢纽、高等级医疗服务以及多元商业设施的需求是居民长距离跨区域出行的原因。