当前我国交通基础建设规模逐步增大,互联网的飞速发展也为交通出行带来了更多的可能性。在这样的信息化时代中,面对交通方式的多元化和复杂化,课题组构建了智能情报分析框架IAF,基于复杂网络挖掘算法对地、事、人、行为及相互关系进行感知、理解、预测。其中异常检测是该框架中的关键算法,基于交通复杂网络的情报分析是该框架中的重要功能。本文利用物理空间获取共享单车、网约车等大量车辆的城市交通出行行程数据和轨迹数据,通过基于星型结构的异常子图检测算法对城市交通出行行程网络进行了异常模式挖掘,开展了如下工作:首先,提出了城市交通出行星型异常模式挖掘框架。通过对城市交通出行数据的提取,构建带有社区信息的属性网络。然后针对城市交通出行网络的特点,进行最大星型结构异常子图检测。之后对各个时间段的最大星型结构异常子图进行聚类分析,并定义了该网络拓扑结构的分析流程。其次,完成了对天津市的共享单车行程数据和网约车GPS轨迹数据的清洗融合,形成天津市城市交通出行数据集,并获取了天津市社区及其边缘数据。之后对出行数据进行社区属性融合和多角度的数据概览,并对天津市城市交通出行网络进行了特征计算。最后,在天津市城市交通出行数据集构建的网络上进行城市交通出行星型异常模式挖掘的实证研究,并针对挖掘结果进行了分析。实验结果发现几个时间段的异常模式存在一定的规律,一定程度上有助于接下来对重点时段交通管理和突发事件预测等问题进行有效地分析和解决。本文提出了城市交通出行星型异常模式挖掘框架,通过对天津市共享单车和网约车数据的处理,构建了带有社区信息的城市交通出行行程网络,并进行了实证分析,验证了该框架的高效性,解释了异常的产生原因,分析了两种交通方式间的相同点和不同点。实验证明该框架能够有效地识别城市交通出行中的异常模式,为交通的管理提供一定程度上的参考建议。