随着社会经济的发展,产生了与人类生活相关的各类数据,这些数据常常蕴含着丰富的空间和时间信息,研究多源数据与城市功能系统之间的关系可以为城市规划管理部门提供数据支持。本论文以深圳市为例,开展基于多源数据的城市功能系统多样性与鲁棒性研究。本论文主要的研究内容与研究结果如下:（1）针对目前城市功能属性推断尚未将通信基站数据、兴趣点数据和交通数据相结合的问题,本论文基于以上三种数据,构建了覆盖面更广的城市功能系统特征因子;利用道路网数据进行研究区的空间划分,通过人工标注的方式得到样本区域的城市功能区属性;通过开展多源数据特征因子与城市功能区属性的相关性研究,选择最佳的城市功能区特征因子,得到城市功能区的多源特征数据集。（2）针对目前基于监督分类方法进行城市功能区属性推断研究精度低的问题,本论文引入深度神经网络（Deep Neural Network,DNN）算法开展城市功能区属性推断研究,得到基于深度神经网络的城市功能区属性,并与其他机器学习算法结果进行对比。实验研究结果表明基于深度神经网络的城市功能区属性推断模型性能最优,其总体精度为85.56%,Kappa系数为0.83。（3）针对目前并无城市功能系统多样性分析的相关研究问题,本论文基于深度神经网络推断得到的城市功能区属性,引入多样性分析指数,对深圳市城市功能系统开展多样性研究。实验研究结果表明深圳市城市功能系统的香农-威纳指数为1.71,辛普森多样性指数为0.60,接近城市功能系统多样性最高的理想情况,因此深圳市的城市功能系统多样性较高。（4）针对目前并无城市功能系统鲁棒性评估的相关研究问题,本论文引入交通系统网络的鲁棒性评估方法,设计实验仿真在遇到不同程度、不同方式的攻击破坏下,深圳市的鲁棒性指标变化,开展深圳市城市功能系统的鲁棒性研究。实验研究结果表明深圳市整体的城市功能系统,在面对针对性的破坏下,鲁棒性较差,其拟合函数变化速率为1.25,网络崩溃去点比例为0.30;在随机方式破坏下城市功能系统鲁棒性较强,其拟合函数变化速率为0.82,网络崩溃去点比例为0.60;在10%保护比例的措施下城市功能系统鲁棒性提升效果较好,对整体城市功能系统,拟合函数变化速率下降了28.01%,网络崩溃去点比例提高了大约54.59%。