通勤者作为公共交通乘客构成的核心部分，对其活动-出行特征的准确把握，有利于了解公共交通系统与城市活动空间的关系，提升公共交通吸引力和居民生活品质。近年来，随着公共交通IC卡刷卡数据、城市空间POI数据、活动交易数据等日益丰富，以及机器学习、地理信息技术的逐步普及，从通勤者个体角度开展活动出行规律研究已具备基本条件。然而，如何融合这些多源数据，提取城市公共交通通勤者的活动-出行特征指标并完成多角度分析，仍缺乏系统深入的研究。
　　本文以公共交通通勤者为研究对象，旨在结合公共交通刷卡数据、活动交易数据等多源数据提取出行信息，通过通勤者识别、活动出行链构建与活动-出行特征指标提取，多角度分析揭示公共交通通勤者活动-出行特征。
　　论文在把握公共交通动静态数据特点的基础上，明确公共交通出行信息的组成，提出涵盖预处理、换乘行为时空识别和出行标识操作的多源数据处理方法。然后，基于公共交通出行记录，提出一种综合时空聚类与传统指标筛选的公共交通通勤者识别方法。接着，提出融合出行数据与活动交易数据的活动出行链构建方法，并从日常活动和通勤出行特征角度，构建公共交通通勤者活动-出行特征指标体系，从特征指标、不同职住类型下特征差异以及与建成环境相关分析的角度，揭示公共交通通勤者活动-出行特征，从而对设施建设环境和公共交通出行服务提出优化建议。本文的研究成果可为公共交通通勤者的时空活动出行特征获取提供数据处理和方法依据，为特征的应用场景优化提供参考和决策支持。