随着城市化进程的推进和私有车辆的不断增加,交通拥堵所产生的城市交通问题已经成为制约社会经济增长和人民生活水平提高的重要因素。交通子区域划分作为一种缓解交通拥塞的常见策略,根据交通模式特征的相似性和相关性,将整个交通网络划分成若干不同的子区域,使得交通分析能在更细粒度上进行,从而降低相应的复杂性。现有相关研究主要集中在空间划分上,而忽略子区域随时间推移产生的分布变化,导致无法更准确地进行交通网络划分。鉴于此,本文设计并实现了一种基于时空轨迹挖掘的交通区域划分系统,通过挖掘和分析具有时空语义的轨迹数据,识别轨迹密集分布的时间段,然后探测每个时间段内的区域空间差异性并通过凸包算法进行边界识别实现相应时间段的交通子区域划分,满足交通控制的时间变化需求。实验表明,该系统相比于现有的交通子区域划分方法能更好地识别交通子区域以及相应的时间间隔,本文主要研究内容如下:(1)研究基于轨迹特征的数据预处理方法,创建数据预处理模型。本文首先利用均值滤波器、快速排序算法修复轨迹漂移点并剔除冗余数据;其次根据轨迹滞留点特征,引入时空邻域改进DBSCAN提出基于滞留点的轨迹过滤算法探测并保留轨迹滞留点,去除无价值信息;然后结合线段简化、角度偏移,提出基于双重偏移限制的轨迹分段压缩算法,识别特征点完成分段压缩以实现轨迹质量优化提升,为后续时空轨迹挖掘分析提供简洁有效的数据支撑。(2)研究使用时空轨迹聚类算法对交通路网进行区域划分。本文首先延伸经典的划分算法K-means,并将其运用于时间维度提取车辆频繁出现的密集时间间隔,将整个交通网络的划分问题转化为单个密集时间的交通网络划分问题。其次针对密度峰值聚类算法存在的不足,引入k近邻思想重定义密度概念,并提出聚类中心辨别过滤机制,重构聚类模型,通过挖掘隐含在轨迹中的语义发现区域的空间差异性,从而进行区域划分;(3)设计实现基于时空轨迹挖掘的交通区域划分系统。该系统集成轨迹数据处理、时空轨迹聚类分析以及交通区域探测识别等功能于一体,可在无需用户干预的情况下确定一组交通子区域以及形成这些子区域的时间间隔,为交通管理部门进行城市规划提供重要参考信息。