常发性交通拥堵是城市面临的难题之一，往往由道路通行能力不足、信号配时较差等交通基础设施的缺陷所导致，这类拥堵问题长期存在并严重影响城市交通。常发性交通拥堵常见于早晚高峰时段，往往具有较为固定的产生、传播和消散模式，通过挖掘其演变模式，可进一步获知拥堵机理并实现拥堵预测，能够为缓解乃至解决城市常发性交通拥堵提供理论依据。　　近年来，出租车的实时位置、瞬时速度等GPS定位数据被大量的采集并存储，这些数据相较于交通固定检测器数据，具有成本低、覆盖广等优势，能够有效支持常发性交通拥堵演变研究。此外，以往的交通拥堵演变研究以微观交通流理论为基础，基于模拟数据和仿真实验构建拥堵演变模型，研究较为理想化，对实际应用的要求极高，无法有效描绘现实拥堵问题。因此，论文以大数据驱动思想为基础，通过深入分析海量出租车GPS数据，以“基础数据模型构建?常发拥堵区域识别→常发拥堵演变模式挖掘→哈尔滨市案例分析”为主线，对城市常发性交通拥堵演变模式展开研究。　　论文通过分析处理出租车GPS轨迹数据和城市道路网络数据，进而构建结合出租车GPS轨迹和城市网格构建的综合数据模型，为后续交通拥堵演变模式研究提供必要的数据支撑。在对出租车GPS数据进行处理和分析的基础上，构建出租车GPS轨迹数据模型；在分析对比现有多种城市区域网格划分方式的基础上，选定以正方形为划分标准的城市网格数据模型；依据空间关系将两数据模型融合，构建论文的基础混合数据模型，并利用数据分析标定模型的时间和空间参数。　　在出租车GPS轨迹和城市网格的混合数据模型基础上，构建网格内部交通拥堵判别模型，并设计常发性交通拥堵区域识别算法，为挖掘常发性交通拥堵演变提供理论和数据支持。网格内部产生交通拥堵引起网格内交通模式的变化，伴随产生大量低速车辆的聚集现象，据此构造基于网格内轨迹数量及轨迹平均速度的网格内部交通拥堵判别模型；常发性拥堵区域可定义为空间相邻的一个或多个频繁拥堵网格集合，据此设计基于聚类算法的常发性拥堵区域识别模型。　　将常发性拥堵事件细化分解为拥堵开始、扩散、高峰等过程，在此基础上，具体定义论文所研究的常发性交通拥堵事件类型为：发生于早晚高峰时期，且拥堵次数超过一定数量的交通拥堵；基于常发性拥堵事件集，分析挖掘常发性交通拥堵演变模式的开始时刻、持续时长、延误时长等时间模式，以及开始网格、传播方向、关键网格等空间模式；以拥堵演变模式为输入节点，构建基于神经网络的网格拥堵预测模型，算例验证其预测准确率高。　　以哈尔滨市二环路范围网格区域及2015年出租车GPS数据为基础，验证论文提出的全部模型及方法。结合前文提出的模型和方法，识别哈尔滨市各个季节早高峰常发交通拥堵区域数量，并分别从微观和宏观层面挖掘其时空演变规律，同时分析其时空分布特性；利用拥堵区域内道路信息、交叉口类型等空间信息，确定常发性拥堵的形成原因，并制定交通控制、交通诱导和基础设施改造等拥堵缓解策略。　　论文尝试从数据驱动的理论和研究思路出发，构建城市常发性交通拥堵演变模式挖掘方法体系，并基于城市常发性交通拥堵演变模式信息，进行拥堵预测、拥堵成因分析等更深层次研究，能够为缓解城市交通拥堵、解决城市交通问题提供科学依据和理论支撑。