现代城市在其扩张、发展过程中,受到区域功能分化的影响,城市居民活动会呈现特定的时空分布规律,区域功能区的特征可以通过居民出行的时空特征来体现。传统的城市用地类型的分类方法主要是基于遥感影像制作土地利用专题图、实地调查统计、专家评分等,这些方法大多从宏观出发,难以细致的反映城市用地的社会经济文化等特征,或成本高周期长,不具有时效性。近几年随着GPS定位技术的发展与普及,人们能够快速准确地获取研究对象的地理位置及移动的运动轨迹。通过研究浮动车轨迹数据挖掘城市居民出行行为规律与特征成为近几年数据挖掘的热门课题,而能否通过浮动车的运动轨迹规律探查人类活动的空间分布特征,并将其运用与城市用地特征提取与城市功能区的识别为科学城市监测、城市规划创作了新的方式。本文主要使用了成都市滴滴打车的订单数据、百度地图的POI数据以及成都市路网数据,利用高斯混合模型的街区分类方法和POI的数量及面积特征的街区分类方法,对成都市主城区的功能特性进行识别,最后分别从时间和空间层面对其进行剖析,并使用决策树对功能区精度进行了验证。本文的主要研究如下:(1)基于乘客上/下车的时空特征的街区分类。本文考虑到乘客在不同街区的上下车点能够体现其出行规律,使用上下车点的时间序列作为其出行特征,基于高斯混合模型及相关系数方法对车辆的上下点时空聚类研究,提取城市不同街区的功能结构,最后结果得到了包括乡村旅游、居住、混合功能、商业、购物、交通枢纽、地标景观共7类不同功能的街区。(2)基于POI面积及数量特征的街区分类。本文采用Voronoi图产生的POI面积作为特征,结合POI数量特征,弥补不同POI空间面积不同因素导致的功能区划分偏差,从而对城市不同街区进行功能分类,并得到了包括车辆服务、工业园区、餐饮为主的商业街、购物为主的商业街、公园景区为主的居民区、商业为主的混合功能、商业为主的居民区共7种不同功能的街区。(3)城市功能区对比及识别。本文为了结合移动轨迹数据及POI数据,分别采用了对比分析方法及决策树分类方法,结合成都市规划图,对不同数据对城市功能区判定的结果进行融合,预测了城市功能区并验证了其精度,最后分析发现他们对城市中的居民区、商业区及医疗卫生用地的识别能力较高。综上所述,本文结合使用了移动轨迹数据及POI数据,识别了成都市的城市功能区,并对未来的研究方法进行了展望。