大数据时代背景下,地理大数据为从社会功能的角度推断城市土地利用带来了新的机遇,对于促进以人为本的城市规划与治理具有重要价值。空间聚类方法是从地理大数据中推断城市土地利用类型的重要技术手段。现有采用空间聚类方法的研究大多从单一类型地理大数据中推断土地利用类型。由于单一来源地理大数据的信息有偏性,将导致推断结果难以反映城市土地利用的全貌。当前,融合多源、高维、高噪声地理大数据全面推断城市土地利用仍然面临巨大挑战。为此,本文将多源地理大数据视为反映城市土地利用的不同视角,引入和发展多视角子空间聚类方法,融合多源地理大数据推断城市土地利用类型。主要贡献如下:（1）基于空间聚类分析的城市土地利用推断方法对比与评估。采用北京市2016年出租车轨迹和公交车刷卡数据,对现有单一来源地理大数据空间聚类和多源地理大数据加权融合聚类的城市土地利用推断方法进行对比和评估,结果表明:（1）单一来源地理大数据聚类的方法由于数据的有偏性,导致土地利用推断的精度较低;（2）多源地理大数据加权融合聚类方法的表现优于单一来源地理大数据聚类的方法,但是其土地利用类型检测率仍然较低（总体精度为44.54%）,且不同数据源权重定义较为困难。（2）基于潜在多视角子空间聚类的城市土地利用推断。针对地理大数据的有偏性、高维和噪声问题,引入潜在多视角子空间聚类分析技术,进行城市土地利用推断。首先,构造多源地理大数据的起点/终点变化特征时间序列,用以表征城市土地利用类型;其次,采用潜在多视角表示构造多源地理大数据的共享结构;最后,基于潜在多视角表示,使用子空间聚类方法推断城市土地利用类型。基于北京市出租车轨迹和公交车刷卡数据的实验表明:与仅使用单一来源地理大数据聚类的方法和多源地理大数据加权融合聚类的方法相比,潜在多视角子空间聚类方法可获得最高的土地利用类型检测率（总体精度为57.77%）,同时避免了人为设定不同数据源的权重。（3）基于自适应图约束多视角子空间聚类的城市土地利用推断。现有潜在多视角子空间聚类方法多仅对数据重构误差施加约束,存在数据点邻居关系在子空间中难以保持的风险,从而影响了多视角聚类结果的质量。为此,本文提出了一种自适应图约束的多视角子空间聚类方法,用于城市土地利用类型推断。首先,采用自编码器网络获取每一种类型数据的潜在表示;进而,在子空间学习框架下,多个潜在表示被融合为一个共享的子空间表示,同时采用共享邻近图对原始特征空间与子空间的局部结构进行约束。最后,基于子空间表示,采用谱聚类方法发现多视角聚类结构。基于四个多视角聚类基准数据集的实验结果表明:本文所提方法的表现优于现有的九种代表性方法。采用2016年北京市出租车GPS轨迹数据、公交车刷卡数据和兴趣点数据的实验表明:与单一类型地理大数据聚类方法、多源数据加权融合聚类方法和潜在多视角子空间聚类方法相比,本文所提方法的土地利用类型检测率最高（总体精度为68.11%）,可为城市规划提供一定的参考。图31幅,表11个,参考文献114篇