城市交通是城市的重要组成部分，关注城市交通的特征规律具有十分重要的意义。尤其大型活动期间，通过挖掘城市的异常或热点区域，可以更好的了解当地当时的交通状况，支持城市管理者决策。随着浮动车大数据应用的逐渐推广，为研究城市交通异常区域的时空分布提供了数据支持。本文选取广州市2013 年连续35 天的浮动车数据，应用主成分分析检测异常算法，检测广州市交通异常区域，并结合广州实际情况，从不同尺度总结和归纳广交会期间广州市城市交通的规律特征，分析解释特征出现的原因。结果表明，广州市荔湾区、越秀区等开发较早的区域交通问题严重，中心城区及以西部分道路和区域长期处于拥堵状态，而越往城东和城市边缘的区域交通情况良好。特定的城市大型活动的举行会对城市交通产生重大影响，广交会期间相应活动场所存在明显异常。本文通过不同尺度的研究证明了PCA 算法可以有效地检测异常区域，并结合比对基础地理信息进行分析讨论，定性证明了结果的合理性。利用该算法可以快捷有效地发现较大时空范围下的异常区域或者热点区域，从而应用于交通和城市研究当中，并对城市管理和建设具有重要的参考价值。