随着城市规模扩大,对城市进行有效管理和管控的难度不断加大。传统的研究手段尤其是数据的获取往往时效性差、成本高昂。近年来GPS轨迹数据的出现为研究城市空间结构问题提供了一种新的途径和视角。浮动车携带GPS设备,可对其自身行驶所产生的轨迹进行记录,出租车作为浮动车中的代表性车辆,它的运行轨迹记录了城市中相当一部分人群的出行信息,而这些出行活动反映了城市各类型要素的需求变化,也描述了城市各个区域之间的关联性,这在一定程度上刻画了城市的空间结构。如何使用合适的技术方法从海量出租车轨迹数据中挖掘城市结构的隐含信息,是当下重要的研究课题。城市要素需求热点是人们出行次数较多、访问流量较大的城市要素区域,在某种程度上体现了人们的密集出行行为。在出租车数据的基础上,结合南京市的基础地理信息数据,利用数据挖掘、时空分析等理论和方法,进行城市要素需求热点区域的发现及其时空模式的分析。研究要素需求热点的时空分布变化特征与不同功能类型要素热点的数量变化趋势。对于理解城市空间结构有着现实意义,对城市交通的疏导和管控具有现实意义,对城市设施资源的分配管理具有参考价值,对基于位置的服务也有着商业应用价值。城市空间结构与人们在城市内部的通行行为之间具有紧密联系。划分城市的空间结构指将城市划分成一些子区域,这些子区域内部有着频繁的移动行为,而子区域与子区域之间的交互相对较少。利用出租车轨迹数据丰富的语义信息构建城市空间复杂网络并进行社区发现可以在一定程度上帮助理解城市空间结构的动态特征,对于城市规划具有参考价值。本文的研究工作是以南京市出租车轨迹作为研究数据,通过轨迹恢复、数据挖掘、复杂网络、GIS时空数据表达等技术和方法,探索城市要素需求热点区域的时空间分布规律,并从人们的出行活动视角对城市进行空间结构划分。文章主要从下面三个方面开展研究:(1)出租车轨迹数据量较大且数据本身往往存在一些错误不能直接使用,本文针对这一现象搭建数据预处理的技术框架,实现出租车轨迹的恢复。从原始数据出发,完成轨迹数据组织、数据清洗、轨迹滤波、基于轨迹点的道路网更新,对现有的一种地图匹配算法加以改进,从而对出租车轨迹进行恢复和轨迹信息提取,为之后城市要素需求分布和城市结构的提取研究提供了准确有效的数据支持。(2)根据出租车载客信息提取研究区范围内的上、下客点,使用基于密度的空间聚类对不同时间段的城市要素需求热点进行提取,分析不同要素热点在一天之中变化的特征,并比较分析了工作日与节假日城市热点时空分布的异同。针对不同功能类型的要素进行出行量统计分析,识别了商业、交通、医疗股、居住等不同功能城市要素的需求量变化情况,并进行可视化表达。(3)基于出租车载客段信息构建城市空间交互网络,采用复杂网络方法分析该网络的属性,使用一种比较新的网络社区发现算法——信息熵最小化算法对空间交互网络进行划分,发现在不同距离下、不同时间段内南京市的多级动态城市结构;并进一步对子区域的网络进行分析,发现不同层级城市结构下子区域的重要节点对该区域的影响情况。本研究的主要贡献有二点,一是改进了一种现有的地图匹配算法,在轨迹数据预处理阶段提高轨迹恢复的准确性;二是通过对出租车上下客点空间聚类研究城市不同类型要素的需求热点时空分布,并构建空间交互网络对城市结构进行划分,为进行城市空间结构的信息挖掘提供方法借鉴。