历史城区有限的用地、交通、环境的容量以及配套设施的支持能力,难以支撑持续增长和多样化的交通需求。大数据技术的迅猛发展有力地推动了智慧城市、智慧交通的建设。依托大数据技术,运用信息化手段剖析历史城区客流特性对历史城区交通发展战略的制定、交通系统的构建、交通资源的利用具有重要意义。论文阐述了交通大数据对历史城区客流特性分析的作用,从需求、设施、运行三个层面提出了历史城区交通大数据分析指标的层次,构建了历史城区交通大数据分析指标体系。利用手机信令数据分析历史城区的职住时空分布,从职住距离、通勤时间、通勤距离等指标对历史城区的职住关系进行剖析,提出历史城区职住空间分析方法,改进手机信令数据识别职住客流的方法,提出职住客流校核方法,探讨历史城区的职住平衡关系。基于公交刷卡数据,从通勤出行和弹性出行角度分析了历史城区居民的出行客流特征,提出了历史城区通勤客流和弹性客流的识别方法,确定了通勤客流判断阈值。从大数据的角度深入挖掘和分析了历史城区轨道交通的客流特征,提出了轨交客流来源地和目的地的识别方法,根据站点客流变化特征对历史城区的轨道站点进行了分类研究,以客流进出站时间规律为标准将轨道站点分为办公型、居住型、旅游型和商业型四类,对这四类站点的客流时空特性进行了分析。利用公交轨道刷卡的数据融合方法,分析了历史城区公交轨道换乘客流的特征,构建了独立阈值换乘判断模型,对阈值的确定进行了敏感性分析。探讨了历史城区交通大数据分析的层次,构建了历史城区交通大数据平台的功能模块,论述了历史城区交通大数据平台在不同层次的交通规划中的应用,提出了历史城区交通大数据分析平台的总体设计方法。以苏州古城为例,将手机信令、公交刷卡等大数据分析方法应用于实际的规划实践过程,从苏州古城的职住客流分布情况和古城内部轨道交通客流特征等方面分析了苏州古城的客流特性。