近年来,我国的城市化水平不断增长,城市空间急速扩张,但也伴随着人口城市化和土地城市化之间矛盾的加剧。现代城市急需从以增量土地换取城市扩张向优化用地存量、实现用地减量的城市发展模式转型。作为此过程中的重要步骤,全面规划城市功能区布局被列为了新时期国土空间规划工作的重要组成内容,界定城市不同空间的主要功能,划分城市功能区域,对土地开发格局的精细化管理具有重要意义。传统的城市用地功能识别研究的数据基础大都为人口、土地等普查数据,这些数据的自身局限性(获取成本高、难以管理、时效性差等)导致此类研究尚停留在宏观层面。遥感技术的普及使遥感影像的识别与分类逐渐应用于城市土地功能识别的研究中,但仍然存在分类方法繁琐、结果精度无法保证等问题。随着信息时代的进一步深入,城市中的智能手机、车载GPS设备等各种传感器产生了大量实时、可靠的位置数据,利用大数据进行城市功能形态与结构研究逐渐成为当下城市空间领域的热点。但是,现有的研究对于位置数据的时序特征的挖掘还不够充分,并且大多采用直接聚类的方法判断城市用地类型的差异,导致识别结果精度较低。在此背景下,本文利用成都市的2016年“滴滴出行”轨迹数据、2017年兴趣点数据、2017年路网数据,基于监督学习与非监督学习相结合的方法,从数据挖掘的角度对城市功能区进行识别和分析,构建了基于多源数据的城市功能区识别、结果验证和功能评价的体系。主要研究内容有:(1)构建了城市功能区识别方法:首先,以成都市绕城高速范围内的“滴滴出行”轨迹数据为基础,生成轨迹时间序列,并采用动态时间规整(DTW)算法生成时间序列的相似度矩阵;然后,使用K中心点(K-Medoids)聚类算法生成地块聚类的初步结果,并结合时间序列基线挑选出分类精度高的结果作为训练样本;最后,进行基于DTW的K最近邻(KNN)分类算法,再次对城市功能区进行分类和识别,在POI数据的辅助下,得到最终的成都市功能识别结果。为验证结果的准确性,将识别出的功能区与谷歌地球影像、高德地图、实景照片等进行对比,并挑选典型区域对比结果进行展示。(2)基于城市功能区的识别结果,利用用地混合度、区位熵、莫兰指数、平均最近邻距离等指标,分别从区域和功能两个角度出发,对研究区的城市空间形态进行了分析。主要的研究结论有:(1)本方法对于城市功能结构的识别结果精度高,在传统方法较难区分的功能区域也有很好的效果,在很大程度上可以弥补普查数据、遥感数据的劣势。(2)研究区的功能区分布格局呈现出明显的圈层式结构,而不同行政区在主导功能方面存在明显差异;各环线和各行政区的用地混合度较高,但许多土地的混合度与其承载的城市空间活力存在不匹配的现象;成都市的城市扩张属于单中心发展,这种模式很容易出现用地分配不平衡、城市功能辐射范围受限等问题。针对以上发现,文章提出了未来发展的优化建议:降低中心城区开发强度;充分发挥第一圈层在城镇化发展战略中的核心优势;提升城市魅力,促进旅游业发展;建设多中心、组团式的城市发展格局。