城市结构研究对城市规划、城市交通、城市的经济发展等方面具有重要意义。作为理解城市结构的关键,识别、提取和分析城市中心的地理位置、结构属性等要素一直以来广受研究人员的关注。由于城市中心与人类经济社会活动的密切相关性,各种能反映人类活动轨迹的地理大数据均被用于提取和分析城市中心,例如夜光遥感数据（nighttime light data）等。然而夜光遥感数据仅仅能够反映夜间的人类活动,并且其时间分辨率和空间分辨率均受到遥感卫星的限制。与夜光遥感数据相比,出租车轨迹数据具有相对灵活的时间和空间分辨率,并且能够反映24小时的人类活动。同时,本文认为,出租车轨迹数据与人类活动的关系更为密切。因此,本文旨在探索出租车轨迹数据在识别和分析城市中心中的可行性以及相较于夜光遥感数据的优势。本文的主要工作如下:（1）本文从已有的研究工作中,总结了利用夜光遥感数据分析城市中心的局限性,并提出使用出租车轨迹数据替代夜光遥感数据进行城市中心分析的构想,设计了基于出租车轨迹数据提取城市中心的分析框架。（2）本文选取上海市作为研究区域以验证本文的分析框架,从出租车轨迹数据中提取上下车点数据,绘制边长为500米的统计格网,统计上下车点的每小时平均值。本文将统计格网模拟为地形数据（topography）并绘制等值线,采用局部等值线树（localized contour tree）算法构建和简化等值线树,最终识别出城市中心的边界以及城市中心的层次结构。（3）本文将提取出的城市中心分为两种类型:单中心城市中心（monocentric urban center,MUC）和多中心城市中心（polycentric urban center,PUC）。针对MUC设计了五个统计属性、四个形态学属性以及活动强度梯度的计算方法,针对PUC设计了多中心度的计算方法。此外,本文还对工作日和休息日,星期一和星期日（7:00-10:00时段）两组实验数据进行了对比分析,旨在挖掘城市中心的时空特征。实验结果表明,出租车轨迹数据在城市中心的提取与分析中体现出其具有采样密度高、时空分辨率灵活等优点。对比夜光遥感数据的结果,本文的实验结果更加详细,提取的城市中心数量也更多,并且可以通过不同时间段的数据来分析城市中心的时空特征。本文将遥感方法与出租车轨迹数据相结合,为出租车轨迹数据在内的矢量数据分析提供了一种新的视角,对现有的城市中心分析进行了补充。