随着城市空间的快速扩张、城市人口的迅速膨胀,产生了交通拥堵、环境恶化、能源短缺等一系列城市问题。以公共交通为导向的城市发展模式(TOD)可重塑城市发展形态,提升城市品质,已经成为解决城市可持续发展的一种可靠方案。但是,目前对于TOD的研究仍处于政策制定、统计分析的浅层阶段。本文利用真实数据,使用机器学习、网络科学等先进技术,对TOD模式进行深层挖掘,力图回答TOD发展中三个重要问题：如何根据TOD理念划分区域,什么区域适合发展成TOD区域,以及如何建设TOD区域。首先,针对区域划分问题,本文提出了基于连通分量聚类的方法,将数量繁多的公共交通站点聚合成具有代表性的站点作为区域中心,然后使用Voronoi平面划分方法根据确定好的区域中心划分区域边界。接着,针对TOD发展区的识别问题,本文提出基于连接重要性导向的随机游走方法,考虑不同的交通方式在TOD建设中的重要性,使随机游走更容易游走到具有连接重要性的节点,进而识别出最有价值的一部分区域作为TOD发展区。然后,针对TOD区域的功能挖掘问题,本文提出基于多因素的功能挖掘方法,该方法综合考虑了区域的静态语义因素和人类移动因素,通过定义代价函数,即区域真实执行的功能状况与其表现在静态和动态两方面的偏差,之后使用梯度下降方法求解得到区域实际执行的功能分布状况。最后,本文基于杭州的公共交通线路及站点数据、兴趣点数据和出租车轨迹数据三个数据集,对所提方法的性能进行验证。实验结果表明所提方法在区域划分、TOD发展区识别、TOD发展区功能挖掘上的优越性,同时实验结果也为杭州建设成为TOD型城市提供了发展建议。