精确细致地获取城市功能分区现状是调控用地政策和指导用地开发的基础工作,特别是在对作为历史文化街区的北京老城区实现高质量保护和更新,具有重要意义。街区是居民日常生活的空间载体,受城市区域功能分化的影响,各街区的居民出行会呈现出特定的模式和规律,由此街区功能类型可以通过判别居民出行时空模式来体现。共享单车作为城市短途出行的较优选择,其数据已被用于研究居民出行模式。但目前在共享单车数据的研究中未见涉及城市街区功能类型方面的分析,并且因街区区块面积大小各异,存在难以仅从单车数据量直接反映街区尺度下居民出行时空模式的问题。考虑到单车数据具有街区尺度数据量充足、定位精度高和实时性强等优势,因此提出基于共享单车时空模式解译的街区类型识别框架,重点从街区尺度下共享单车流动特征建模、街区差异计算、基于“骑行强度谱”的街区聚类等方面展开研究,为共享单车时空模式的分析与街区类型的识别提供了新思路。本文的主要研究如下:（1）为了提取共享单车位置数据的特点和掌握街区尺度下的时空模式,本文建立了共享单车数据的总体时空特征分析过程。研究得到了街区内和街区间的单车流动时空信息,结果表明:同时利用街区内和街区间的单车流动特征可以为判别街区差异提供有效信息。（2）聚焦街区尺度下单车流动特征建模,本文提出了一套基于街区距离的共享单车流动特征建模方法。具体设计三种量化指标衡量街区内、街区间和时间动态上的单车活动情况,在此基础上引入余弦相似度的方法计算街区差异,通过不同类型街区共享单车流动特征分析和街区差异计算结果,结果显示该方法构造的单车流动特征具有较强的街区尺度判别能力,为实现街区类型识别奠定基础。（3）针对单车流动特征存在数据维度高、冗余大的解译难点,本文在构建“骑行强度谱”的基础上引入机器学习中的稀疏子空间聚类算法对街区进行聚类分析,尝试定量分离获得混合街区。实验得到2种单一功能类型的街区和3种混合功能类型的街区,混淆矩阵结果显示,总体精度达到71.52%,kappa系数0.614。以上分析表明本文方法利用共享单车的时空数据探查北京老城区街区的居民出行时空模式,并将其运用于街区功能特征提取和街区类型识别是有效的。