城市化进程在赋予人们现代化生活的同时,也带来了很多问题和挑战,如空气污染、能源耗费、规划落后、交通拥堵等。其中,交通问题一直是影响城市发展的主要问题之一。城市道路网络及其周围空间环境的复杂性为城市交通问题解决带来了较大的难度。GPS轨迹数据的出现为解决城市交通问题提供了一种新的途径和方法。出租车轨迹数据作为一种常用的GPS轨迹数据,在反映城市交通状况的同时,也记录了人们的日常出行。如何从海量的轨迹数据中挖掘出隐含的知识已成为当前的重要研究课题。城市热点区域通常是指商业较发达、居民出行次数较多、交通流量较大的区域,在某种程度上是人们密集出行的体现。在浮动车数据的基础上,结合一些城市基础地理信息数据,利用时空分析与数据挖掘等理论与方法研究城市交通和出行的变化,从中发现城市热点区域及其时空模式,对于城市交通疏导和管理、基于位置的服务等具有重要的现实意义和应用价值。本文分别从城市交通和居民日常出行两个视角对城市热点区域的提取与分析方法展开研究。本文的主要研究贡献如下：(1)研究了一种基于时空相关性的多模式城市交通热点区域提取方法。首先研究了多模式道路网络模型的构建方法。针对道路网络分别基于交叉路口(点模式)、道路(线模式)、社区(面模式)进行网络模型的构建,便于人们在不同层次上对城市交通有更好地认知和理解。然后,利用浮动车数据对不同时段内的道路交通状况进行评估。此处,以城市交通流为例进行分析。通过时间相关性分析发现,城市交通流在相邻时段内表现出较强的相关性。最后,利用空间自相关统计量探测城市交通流聚集分布的热点区域。通过全局相关性分析发现,城市交通流在点、线、面等模式下均呈现了较强的空间相关性,在整体上呈现聚集分布的趋势。对比不同空间模式下的全局Moran’sI统计量和全局Z检验值发现,可塑性面积单元问题(Modifiable Areal Unit Problem, MAUP)在城市交通的空间自相关中也是普遍存在的,城市交通流的空间自相关程度依赖于空间单元的粒度。进一步利用局部Moran’s I统计量对不同模式下城市交通热点区域进行提取,并分析了城市交通热点区域的MAUP效应。(2)针对传统的道路网络中心性指标分析城市交通流的不足,研究了顾及道路几何特性的网络中心性指标及城市交通流分析方法。考虑到网络结构和功能是相互影响的,交通流作为道路网络上的一种交通现象在很大程度上受道路网络结构的影响。网络中心性能够很好地对道路网络的结构进行度量。首先,计算了不同模式下的传统网络中心性指标,包括度中心性、阶数中心性、PageRank中心性,并分析了它们与城市交通流之间的相关性。实验发现,传统的道路网络中心性指标在分析城市交通流上存在着不足。其不足在于传统的网络中心性指标只考虑了其拓扑特性,而未顾及其几何特性。进一步研究并提出了顾及道路几何特性的网络中心性指标。实验表明,本文提出的网络中心性指标在分析城市交通流的性能上要优于传统的网络中心性指标。(3)在决策图和数据场理论与方法的基础上,研究了一种基于决策图和数据场的轨迹聚类方法,并用于出租车轨迹数据中进行居民日常出行热点区域的提取。针对传统的聚类方法存在参数难以选取、类的数目难以确定等不足,本文研究并提出了一种基于决策图和数据场的轨迹聚类方法。利用数据场来描述轨迹点间的相互作用并选取参数,利用决策图来选取聚类中心。首先,分别利用模拟数据和真实的轨迹数据对方法的有效性进行验证,并与k-means、DBSCAAN、single-link、Clustering by fast search and find of density peaks等聚类方法进行了比较与分析。实验表明,本文方法能够很好地识别噪声点、搜索出聚类中心并确定类的数目、发现任意形状的类且不再涉及凭经验对参数进行选取,能够较好地用于轨迹数据的聚类。接下来,将该方法用于出租车轨迹数据中提取居民日常出行的热点区域,并针对节假日、工作日、周末等不同时期,研究热点区域在不同时段内的动态变化,并进行了比较与分析。(4)研究了一种基于决策图和数据场的轨迹聚类与格网划分相结合的日常出行热点区域快速提取方法,并进一步从空间交互网络的视角分析了热点区域间的人口流动模式。考虑到基于决策图和数据场的轨迹聚类方法提取热点区域的效率主要取决于轨迹点的数量。通过对研究区域进行格网划分,将每个格网单元看作是一个质点,每个格网单元内的乘客上车或下车的次数可看作是质点的质量,对格网单元进行聚类从中发现热点区域。该方法提取热点区域的效率只取决于格网单元的数量。实验表明,该方法能够有效地用于大样本量的轨迹数据进行热点区域的提取。首先,利用该格网聚类方法分别对选取时段内乘客上车和下车的热点区域进行提取,然后,在提取的热点区域的基础上,构建空间交互网络,并利用热点强度、流入量、流出量、净流量比等交互分析指标对热点区域间的交互模式进行分析。通过实验分析发现,只有汉口站、武昌站、光谷、徐东等少数热点区域与其它热点区域间存在较强的空间交互,绝大多数热点区域的空间交互性较弱。