为了提供高效的城市管理,智慧城市智能交通系统管理者通常需要感知城市地区的常规的人群移动规律以及城市范围内的不规则的人群移动所带来的城市动态的改变。城市的规划、建设和发展使得城市区域具有规律的人群移动模式和结构。然而,某些城市事件的发生可能会打破城市不同区域日常的较为规律的人群移动模式。由于缺乏对城市区域结构和动态的感知能力,城市管理部门不能有效地评估城市事件的影响,从而阻碍了短期内的城市事件的管理和长期范围的城市规划的进行。因此,本文利用人群移动模式细粒度分析城市结构,并在此基础上感知城市事件引起的城市动态改变的范围。具体如下:第一,细粒度划分城市地理区域并根据人群移动特性相似度聚类。主要是先把城市的地理区域进行网格化的划分,将从车辆安装的全球导航卫星系统(GPS)中获得的人群移动数据映射到相应的网格中,提取网格的人群移动特性,利用基于距离约束的聚类算法(简称DCCA)将人群移动特性相似度较高的网格聚类在一起,使得城市结构特性变得较为清晰。第二,检测聚类区域的异常交通流量,解译与异常流量点关联的城市事件。根据从聚类区域内获得的城市人群移动的日常流量特性,用ARIMA异常检测算法检测异常人群移动峰值点,对异常流量点进行城市事件解译,将每个异常点和城市事件对应起来,整理城市事件影响范围数据库,确定不同类型的城市事件的影响。根据城市事件影响数据库中的详细记录,结合城市区域聚类结果、异常人群流量点和聚类区域的人群移动流量画像等分析结果,用可视化系统展示技术展示这些分析结果。本文结合城市移动模式清晰刻画了城市结构,深入分析了不同类型城市事件对于城市动态的影响,并用可视化展示系统展示这些分析结果,给城市管理者保障城市生活规律进行提供了参考性的决策支持,此外增强了基于人群移动规律的对于城市结构和动态的感知能力,有利于城市事件快速处理和城市规划合理安排工作的顺利进行。