城市场景下的共现现象是一种新近被提出的关注城市间区域关系的特殊人类移动规律,其在多个领域具有很高的应用价值,如城市规划和商业智能。然而,时空共现现象的复杂序列过渡规律展现的时间依赖性和高阶本质,多层次可预测性,以及时空轨迹数据的异质性和稀疏性,都为挖掘和分析共现现象带来了极大阻力。本文基于多种时空轨迹数据,旨在利用数据挖掘、自然语言处理、可视化等相关的先进手段,对人类移动规律中的共现现象进行深层次挖掘,力图回答三个重要问题:定义和理解共现现象,有效和高效挖掘共现数据,以及分析城市共现现象。首先,针对定义和理解共现现象的问题,本文从频繁模式角度理解共现现象,并给出了共现现象的量化定义。接着,对于挖掘共现数据,本文在对轨迹数据进行结构化处理之后,提出了逐层迭代搜索的共现挖掘算法,并在其基础上提出了基于FP-Tree结构的高效挖掘方法。最后,针对共现现象分析,本文从全局和功能区角度对共现现象进行了分析,并提出了一组可视化设计用于降低共现分析难度。本文基于上海的出租车数据、兴趣点数据、路网数据等,对所提出的方法的性能进行了验证。实验结果表明所提方法在理解和定义共现现象、有效和高效挖掘共现数据、以及分析共现现象上的优越性。