近年来,随着我国经济的增长和城市的建设,城市的人口也急剧增加,人口的增长也给交通带来了巨大的压力。目前,我国许多城市的公共交通发展远远不能满足居民的日常出行需求,社会发展和公共交通建设不能同步。深圳,作为粤港澳大湾区发展的核心引擎城市,公共交通与城市发展不协调的问题也同样严重。而在公共交通发展中轨道交通和常规公交扮演了重要的角色。因此,挖掘分析城市轨道交通与常规公交之间的出行特征,并以此为基础对轨道交通站点进行聚类研究,对于制定合理的城市交通规划具有重要意义。交通大数据的出现也为解决城市交通问题提供了新的思路,随着智能卡技术的广泛使用,从该系统中获取的数据也被广泛应用于城市公共交通的各个方面。在此背景下,本文利用深圳通的刷卡数据,研究分析了地铁和公交之间的换乘客流时空分布规律,并对轨道交通站点进行了聚类分析,提出了换乘接驳策略。最后,设计并实现了基于Spark的交通大数据可视化平台。具体而言,论文的主要研究如下:(1)根据换乘识别原理确定了换乘时间阈值,基于换乘时间阈值提取轨道交通与常规公交之间的换乘客流,并对换乘客流的时空分布规律进行可视化分析,利用可视化结果管理者可以更直观的了解客流分布特征,同时也为站点聚类的研究奠定了基础。(2)设计了改进的k-means聚类算法的轨道交通站点聚类模型。以轨道交通和常规公交之间分时段的换乘客流量、站点自身特性等22个变量作为聚类的初始变量,使用Z-score的方法对初始变量标准化,通过主成分分析法进行降维处理,最后采用改进的k-means算法进行站点聚类分析。(3)论文以深圳地铁作为实例研究,在分析深圳地铁5条线124个站点刷卡数据的基础上进行站点聚类,并采用层次聚类法对k-means的聚类结果进行验证。最终将站点分为商业区车站、居民区车站、外围交通枢纽车站、一般车站等4类,并结合换乘客流量与换乘率的分析制定了公交接驳策略。最后设计了基于Spark的交通大数据系统平台对研究结果进行可视化分析。为城市轨道交通的规划建设和站点周围区域的发展提供参考。