随着信息技术的迅速发展,城市交通数据采集技术和手段逐渐增多,越来越容易获取海量的城市交通数据。而从这些海量数据中寻找城市交通特性是智能交通发展的重要领域之一,它为城市化进程中呈现出群聚效应和规模经济等引发日益严重的交通问题提供了一种有效的解决途径。本文基于RFID技术采集的车辆出行数据,进行城市交通特性挖掘,揭示当前城市交通运行规律。通过这些研究能为城市交通精细化管理提供有力的依据,同时对城市交通政策制定提供重要参考价值。因此,基于车辆RFID数据的交通特性挖掘具有一定的社会和经济意义。本文利用RFID技术、Hadoop平台等技术,在深入分析车辆RFID交通特性的基础上,通过研究DBSCAN密度聚类、Apriori关联规则等数据挖掘方法,提出了四种交通特性判定或识别的方法,并将这些方法模型在特大城市路网中进行了应用。论文首先为了提高海量数据挖掘交通特性的精准性,针对采集到的车辆出行RFID数据中字段属性特征,判断其存在的异常数据,将其分为三类,并采用与之对应的方法进行处理;其次,为了寻找判别车辆日出行次数、通勤车辆识别模式、通勤车辆的通勤轨迹和路网中关键路段识别,并追溯关键路段交通流来源的方向等交通特性,提出了基于DBSCAN密度聚类的车辆出行次数识别方法、基于DBSCAN密度聚类的通勤车辆识别模型、基于Apriori关联规则的通勤车辆出行轨迹特征挖掘算法和基于Apriori关联规则的路网关键路段交通流来源方向的识别方法;然后,为了提高数据挖掘的效率,专门针对大数据挖掘平台Hadoop进行了研究,实验对比了 Hadoop平台与Oracle数据库在数据存储和处理的效率;最后,利用重庆市主城区某月的历史RFID数据量(约80GB),在Hadoop平台上应用DBSCAN密度聚类和Apriori关联规则算法对重庆市主城区的交通特性进行了挖掘。通过对重庆市主城区某个月的车辆出行RFID数据挖掘实验表明,主城区车辆出行存在着一定的规律特性,如日均出行次数、通勤车辆数、通勤车辆的通勤轨迹和城市路网中的关键路段等都存在着一些规律特征。分析这些规律特征,可以为重庆市主城区交通精细化管理提供建议,同时对重庆市主城区交通政策制定提供参考意见。