20世纪以来,我国经济发展迅猛,城市空间扩张,城市交通的发展也逐渐成为了衡量一个城市现代化建设水平的标杆。如今,城市交通拥堵问题的症结往往集中于城市热点区域,如何识别居民出行热点区域和深挖居民出行时空特征的相关研究逐渐受到重视。但是,这些研究通常采用调查问卷方式进行统计分析,存在很大的局限性和片面性。随着GPS无线设备的广泛普及和3S集成技术地迅猛发展,各种运动模式的查询以及移动对象轨迹数据的收集与追踪已经变得越来越方便。大量的轨迹数据的获取越来越快速,存储越来越便捷,使得对城市交通的研究进入了一个鼎盛时期。目前绝大部分的都市中出租车上己经装有了 GPS无线设备,这些数据有蕴藏着充足的出行信息。采用数据挖掘的相关方法研究GPS轨迹数据,找寻内在出行规律,可以有效地缓解道路拥堵,从而为道路建设和基于位置服务的相关部门提供科学的建议。本文将出租车GPS轨迹数据按工作日与休息日进行划分研究出租车运营的规律性特征,同时在空间上发现居民出行的热点区域,并对热点区域的主干道交叉口的交通流进行的合理分析与适当建模。根据本文研究结果能够指导出租车驾驶员实现智能导航,以及为居民的出行避免更多的交通堵塞,最后为城市规划和智能交通等辅助决策提供有力支撑。因此,本文主要开展了以下工作:(1)针对预处理后的轨迹点,分析了出行总次数、各小时载客比例、载客/空载时长和各小时平均车载里程,总结出行规律为:工作日出行量早晚高峰较为明显;休息日没有较为明显的高峰时段,出行量普遍维持在较高水平上。不论工作日休息日,载客时长主要以0-20min为主,空载时长集中在0-10min,说明出租车换乘方便,运营水平较高。工作日出租车运营里程普遍低于休息日,说明了居民周末出行不再是单一通勤出行,增加了更多以娱乐等为目的出行。(2)采用了一种基于探索性空间数据分析的方法对城市居民出行热点区域进行研究。本文借助于目前较为流行的空间自相关技术,将其应用于城市居民出行行为宏观统计规律方面的研究,并以三维图像展示对比,同时将热点区域空间格局与数据挖掘中K均值方法结合,最后发现城市热点区域与主干道交叉口以及居民去向之间的关系,主要集中在经二路、经三路、纬四路、纬七路所围成区域,并且此区域内主要以经一路、纬四路、纬六路为主主要热点道路。(3)采用变异程度分析获得因子作为权重,通过加权平均的方法来代表热点区域总体交叉口交通流。在此基础上引入多种时间尺度的分析方法分析交通流特性,发现越接近休息日波动越大,越远离休息日波动越小。最后创建了一种优化模型---PSO-SVM模型,采用此模型对热点区域交叉口交通流预测,预测结果显示与传统的BP神经网络和SVM模型相比:优化后的模型相关系数最大,均方误差最小,更适合交通流的预测。