随着各种传感器技术的成熟和城市公共交通的不断发展,许多城市每天都会产生大量的公共交通数据,如智能公交卡数据、公交GPS轨迹以及出租车GPS轨迹等,这些数据不仅记录了城市公共交通的运行情况,还记录了乘客个体的出行信息。由于城市内存储数据的方式较传统,使得现有的公共交通数据存在着乘客出行轨迹缺失、时空信息混乱等问题,需要整合多源公共交通数据,结合大数据技术深入分析挖掘,才能为研究城市公共交通客流和公共交通服务评价提供可靠的数据来源。本文首先以深圳市公交智能卡数据(Smart Card Data)、公交GPS轨迹和公交站线网络为数据基础,利用时空数据挖掘和空间分析技术,构建了融合公交GPS轨迹的刷卡上车站点匹配方法,再根据乘客出行特征,提出了乘客下车站点匹配方法,并且基于同一智能卡的卡号,建立基于个体出行记录的公交出行链模型,恢复乘客个体出行链,统计线路和站点出行人数。然后在推算出乘客出行链的基础上,结合深圳市地图,使用规则格网提取深圳市公交出行显著区域,通过公交出行显著区域发现热点公交走廊,最后根据热点走廊客流的变化规律进行分析和研究。本文建立了一套从数据预处理、出行链推算、公共交通需求时空模式提取和分析等完整的技术流程。最后,本文从时间和空间两个不同的维度去分析探讨深圳市公共交通出行模式,对深圳市公交出行时空规律宏观地进行了解释,分析了热点公交走廊的供需差异,评价热门出行线路的公交服务水平。通过分析热门线路产生的出行需求,发现现有公交线路和出行道路实际运营情况的不足,基于时空优化决策方法,提出公交出行的线路、站点的优化改进方案。论文的研究成果已应用于深圳市综合交通运行指挥中心2017年完成的相关研究,辅助了交通专业人士有效分析和理解深圳市公共交通出行模式,为提升深圳市地面公交服务水平提供了建议,对深圳市交通规划研究具有重要的理论和实践价值。