随着城市化进程的加快和机动车的普及,交通供需矛盾愈发突出,发展智能交通,提升交通管理和信息服务能力,成为解决交通拥堵问题的有效途径。世界各国政府都在积极发展智能交通系统,智能交通平台不断地涌现,导致交通数据迅速积累膨胀,然而被有效利用的数据却很少,出现了一种数据爆炸但是知识匮乏的现象。如今,数据挖掘技术日臻成熟,数据挖掘技术具有对大数据强大、灵活的分析处理能力,适用于挖掘海量数据中隐含的信息,将数据挖掘技术引入到交通大数据分析中也是智能交通发展的趋势。为此,本文基于时空立方体模型的时空热点分析方法的探索性研究,旨在建立一个适用于交通拥堵信息的时空模式挖掘方案。首先,针对交通拥堵数据难以获取问题,本文利用网络爬虫、图像处理以及空间数据库等技术手段,设计了一个基于网络地图的交通拥堵点实时采集、存储和管理系统,为交通拥堵时空热点挖掘与分析提供数据支撑。考虑到交通拥堵点同时包含时间、空间和属性信息,属于时空数据的范畴,交通拥堵点时空模式挖掘需要考虑数据间的时空约束关系。为此,将时间、空间和属性三要素整合建模,采用时空立方体模型表达其时空关系,实现交通拥堵点时间和空间信息的完整性表达,为交通拥堵点时空模式的可视化提供数据模型。其次,以空间热点分析和时间序列分析为基础,利用时空立方体模型将时空关系纳入热点分析中,探测交通拥堵时空分布中存在的冷热点,并应用时间序列分析评估这些冷热点随时间的变化趋势,对冷热点的时空类型进行分类。由于在不同的空间和时间尺度上聚合交通拥堵点,会得到不同的交通拥堵点时空立方体,最后挖掘出的模式和关系可能非常的不同。本文通过控制因素法对交通拥堵时空模式挖掘的尺度进行探究,实验分析表明:以较小的时间步长和空间距离聚合交通拥堵点,会挖掘出更多的冷热点;交通拥堵点时空立方体存在对应时空邻域阈值,达到阈值后挖掘的时空热点大致相似。在此基础上综合利用空间自相关、时间自相关和时间周期性等理论,研究一种基于交通拥堵点的时空模式挖掘的尺度选择方法。最后,选取成都市城区为试验区,进行交通拥堵时空热点模式挖掘分析。根据采集的交通流量数据,创建交通拥堵点时空立方体,用以表达交通拥堵的时空分布现象。基于交通拥堵点时空立方体模型,分析交通拥堵的时空热点分布模式。同时,对交通拥堵的时空变化趋势类型进行分类,以冷热点图方式可视化呈现交通拥堵的时空分布格局。实验结果表明利用时空立方体模型和时空热点分析方法能够有效地挖掘成都市交通拥堵的时空分布模式。综上所述,本文构建的包括交通拥堵点的数据获取与管理、时空立方体模型以及时空热点分析在内的时空模式挖掘分析方法与技术,在交通拥堵时空分布模式的挖掘与分析方面具有一定理论价值与应用的意义。