随着城市规模的不断扩大和产业结构的变化,城市内部功能逐渐趋于分化,形成不同的功能区,例如住宅区、商业区和商务区等。如何有效地识别这些功能区并提取其分布特征是合理规划城市空间的重要前提。目前常用的识别方法主要有问卷调查、卫星遥感等传统方法和GPS移动式检测手段,但这些方法存在运行周期长、覆盖范围窄、成本高等问题。考虑到移动用户数据具有数据量充足、成本低、范围广和实时性强等优势,因此提出了基于移动数据进行城市功能区特征分析与识别的方法。本文旨在通过移动用户数据分析大体量的人类活动轨迹,进行识别功能区类型的特征属性提取,并构建城市功能区特征模型。本文研究的城市功能区类型为居住区、商业区和商务区,主要利用移动运营商现网的用户数据开展城市精细化研究,实现功能区特征识别,同时提出了一种构建城市功能区特征模型的方法。该方法首先选定城市功能研究区域作为目标区域和观察区域;其次,提出基于“距离-时间”双层聚类的方法识别目标区域内不同时间段内用户的停驻点,计算停驻时长、统计停驻人数;接着依据移动数据提取出行特征的适用性统计目标区域内出行人口、出行次数、时间分布;然后根据基站分布的不均匀特性提出可调带宽的核密度方法计算人群分布密度;最后根据统计分析的特征从时间和空间两方面对不同功能区用户工作日与休息日的行为特征研究,选取合适功能区属性,并利用模糊C均值算法构建城市功能区特征模型。本课题的数据集为重庆市某运营商提供的选定研究区域内连续1周的移动用户数据,实现对研究区域每整点时刻的停驻点识别、出行特征统计与人群密度计算,根据实时的特征变化选取功能区属性值,构建识别城市功能区类型的模型,停驻点识别准确率应不低于80%,功能区类别识别准确率不应低于75%。最后分别利用构建的模型和兴趣点(POI)数据对观察区域的功能区类型进行识别,并将识别结果比较,以此来实现对模型的验证。结果表明本文提出的功能区特征的识别满足模型的设计需求,具有一定的实用价值。