随着测绘科学技术的飞速发展,空间数据在采集,存储和管理等手段上不断提高,空间数据呈现出大体量、多时空、多结构的特点,同时空间数据还具有不仅包含对象的基础属性信息,还蕴含着实体间的依存关系、关联关系、制约关系、共生关系等多种隐含信息的特点,因此空间数据是天然的数据挖掘场。当前,空间关联规则挖掘是当前获取地理空间数据中隐含知识的热点技术,对空间实体的隐含信息具有优良的获取能力。本文以成都市TOD(Transit Oriented Development,以公共交通为导向的城市开发模式)站点规划选址为应用切入点,基于成都市基础地理信息数据库,利用空间数据挖掘技术获取与选址相关的关联规则,并以此构建TOD选址相关知识模式,以期为TOD的选址提出建议,同时基于研究实践的总结,本着减少研究中大量人工操作的劳动投入,简化空间数据挖掘难度的原则,设计并实现了空间数据挖掘模块。本文开展工作内容和结论如下:(1)本文通过分析拟规划的TOD站点覆盖范围内原始地理要素的构成情况,结合TOD站点的建设理念与各地理要素的相关性以及已有基础数据的完备程度,确定了7种空间特征作为关联规则挖掘的输入特征。通过设立实验采样点和对照采样点并进行逐点数据采集,建立基础空间数据库,为最终数据挖掘建立数据基底;同时针对传统空间数据关联规则挖掘中空间谓词转换分区的缺陷,结合实际采集数据特点,采用K-means聚类方法对基础数据进行离散化分区,分别对7种空间特征建立分区对照表,克服了量化传统数据分区族内数据相似度不高的问题;(2)针对数据挖掘中无趣规则过滤问题,本文通过设计置信度与支持度的组合实验,确定了20%置信度和20%支持度为当前挖掘实验的最优输入参数值,挖掘结果表明该参数组合不仅有效避免了挖掘结果中无趣规则的生成,同时保障了有趣规则的不丢失。本研究最终共获取到59条与TOD站点选址相关的空间关联规则。在对获取的规则进行整体解释和组合特性分析后,得出了TOD对城市待开发区域的倾向性,植被和水体面面积较低时选址概率更大,道路中心线在选址中具有中立性以及部分空间特征的组合特性等知识,并以此建立了与选址相关知识模式,以期为成都市TOD规划选址提供一定思路。(3)通过空间数据挖掘研究实践的操作,记录和整理了研究过程中因挖掘流程转换导致的数据易丢失,易错乱,易重复的缺陷,分析数据挖掘过程中大量人工操作带来的弊端,论证了数据挖掘模块开发的必要性;结合数据挖掘过程中各个子流程的输入和输出数据标准,将数据挖掘模块拆分为数据采集,数据离散化,算法演算和成果展示4个子模块,设计并最终完成了数据挖掘模块的开发工作,在一定程度上降低了空间数据挖掘研究中的人工成本投入与操作失误机率。