近年来,随着遥感技术的成熟和移动设备的普及,带有时间信息和空间地理位置信息的数据如遥感数据、城市交通数据等都呈现出爆炸式的增长。这些海量的数据使得人们有机会从数据中发现隐藏的有用知识,并应用在相关领域,如生活服务,位置推荐,交通出行等。在交通领域中,由于城市的迅速发展和扩张,汽车数量在城市中急剧增加,城市拥堵引起的交通不便成为了现今社会发展的一个亟待解决的问题。因此,对城市交通数据进行有效的挖掘和分析,提供直接可用的知识,对改善城市道路规划,确保人们出行尽量回避高峰区域,提高出行效率具有十分重要的意义。传统的城市交通拥堵模式挖掘目的是通过聚类分析等方法,找到变化规律相同的道路或者区域,而较少考虑道路之间的互相影响。而在城市交通中,拥堵情况往往具有传递性,相邻道路会互相影响,一条道路的拥堵往往会引起其周围多条道路也出现拥堵情况。挖掘这种具有拥堵传递性的道路模式,对疏散交通,减缓出行压力具有重要的意义。为充分考虑交通中空间数据分布的相关性,本文将co-location模式挖掘方法引入交通拥堵模式挖掘研究中。传统的co-location模式通常较多关注空间特征之间的邻近关系,而交通拥堵模式挖掘需要对空间信息、时间信息、车流速度等多种因素进行综合分析,因此,本文提出了一种时空co-location拥堵模式挖掘方法来发现城市交通中具有拥堵传递性的道路集合。首先,本文介绍了传统co-location模式挖掘的相关知识、基本概念以及一些常见的交通拥堵问题分析方法;其次,在传统co-location挖掘的基础上,同时考虑空间、时间、车流速度等多种属性,并且针对交通拥堵时的传递性特性,提出了时空co-location拥堵模式新概念,并给出了一系列相关定义;第三,设计了一个有效的时空co-location拥堵模式挖掘算法及相应的剪枝策略,而后定义了时空co-location拥堵模式置信度指标,对挖掘结果进行分析,得出拥堵传递规律;第四,通过在贵阳市交通数据集上的具体实验,验证了所提出的方法的有效性和实用性。