在城市规模不断发展的时代背景下，复杂的城市系统不断运转，产生爆发式增长的数据，随着数据分析与挖掘技术的不断进步，城市大数据得到充分利用，其中以兴趣点数据和出租车轨迹数据最为典型，为城市静态空间结构识别和动态时空行为的研究提供独特的研究视角。兴趣点数据可以代表一个学校、一个公园、一个地铁站等，不同类型的静态兴趣点数据反映了不同城市功能中心在空间上的布局；出租车轨迹数据代表了人们出行的活动轨迹，不仅能够反映人群在城市不同地区移动的复杂变化，同时体现了不同热点中心之间随时间变化的交互作用。城市在发展中已经形成了固有的功能热点分区，使人们在此范围内活动较强，且呈现出明显的聚集模式和周期规律，通过分析人们的活动轨迹可以得到城市热点的空间变化特征，有助于城市未来的合理决策与规划，减缓交通拥挤等问题。
　　本文基于兴趣点数据进行核密度分析，选取合适的距离阈值能够较好地表现兴趣点在城市空间内的聚集情况，有效探索城市热点中心在空间上的分布情况和发展趋势；根据热点分析方法对不同类型兴趣点进行高值区域的识别，确定不同城市中心位置及其边界范围，并利用识别的城市中心内部的出租车轨迹数据,以栅格化的方法提取道路中心线，确定城市中心的边界范围；在识别城市中心分布和边界的基础上，提取不同城市中心内的出租车上下车点对数据，通过以下四个部分分析城市中心内部吸引人群离开与到达的轨迹点空间分布特征和时间规律：（1）利用核密度分析方法识别城市各中心吸引其他地区上下车点的空间分布；（2）分析不同中心相互吸引上下车点数据随距离变化的密度曲线；（3）分析各中心内部出行量的周期特性，确定各中心之间在时间范围内的交互能力。
　　研究结果表明，北京市热点整体呈现聚集态势，多中心布局结构明显，以东城区与西城区的聚集程度最高，并向外围地区扩散。不同功能类型的兴趣点识别的城市中心也呈现明显的多中心分布，以典型功能中心国贸、三里屯、潘家园为例，发现各中心吸引出租车上下车点密度在空间上呈现由各中心内部不断向外降低的趋势，三个城市中心对周围的吸引强度主要分布在10km范围内，符合居民乘坐出租车出行的最大距离承受度。不同功能中心的出行具有明显的时间周期规律，周末出行的弹性较大，国贸和三里屯是以商业为主的功能区，且国贸作为东城区主要的商务中心，其吸引度远高于三里屯和潘家园，潘家园以居住为主，不同时间段内出行量变化与居民的通勤行为相符。