交通小区是交通特征分析的基本单元,交通小区划分是否得当将直接影响后续交通规划工作。在大数据时代,传统的交通小区划分方法由于其静态性难以兼顾当前的居民出行特性,通过结合实际的城市出行大数据和土地利用情况得到的交通分区结果更加有益于交通规划和城市空间结构分析。基于上述背景,本文提出一种多源城市大数据驱动的、以实际街区地块为基本聚合单元的交通小区划分方法。首先从多源城市大数据中挖掘多种街区聚合特征;从POI兴趣点数据中挖掘街区的土地利用特征;从公共交通智能卡数据、共享单车租赁数据和出租车与网约车出行数据中挖掘街区的时空出行特征和换乘出行特征。其次基于这些数据特征提出一种交通小区聚合算法,将街区聚合为交通小区。交通小区聚合算法首先基于公交、地铁站点的时空出行流量特征,应用模糊K-均值聚类算法对站点进行聚类分析,进而根据站点聚类结果结合街区的核心贡献度选定交通小区的核心区块。以选定的核心区块为中心,根据从POI大数据驱动更新的街区实际土地使用特征以及从出租车、网约车、共享单车等多源数据挖掘出的时空出行特征,将街区地块聚合成交通小区。并提出一种同质性损失量计算方法,以确定最优的分区数量。本文以交通小区内部土地性质、时空出行特性一致为划分目标,有效解决了以往基于大数据划分方法割裂了流量、出行特征与实际土地使用问题。除此之外,本文以实际街区地块为基本聚合单元,解决了以往基于网格的划分结果与实际区界不对应、可应用性差的问题。最后,以北京六环内部的区域作为交通小区划分的案例研究区域,通过应用本文提出的交通小区划分方法并结合实际的多源城市大数据,共得到602个交通小区的划分结果,并与实际的北京市交通小区区划进行对比分析。结果表明,该方法能够提高交通规划的合理性,进而改善城市交通规划。