城市在不断发展的过程中渐渐形成了不同的功能区,例如工业区、商业区和住宅区等。掌握和了解功能区的分布规律,对城市空间结构的把握以及城市的合理规划至关重要。本研究旨在强调入与人之间、人与城市之间的相互关系对于城市功能区的重要性,采用具有空间坐标、空间关系和属性特征的兴趣点数据(Point Of Interest,POI)和浮动车轨迹数据(GPS),结合广州市主城区的功能特色和空间发展特点,首先,利用在文本分类中具有特征权值的TF*TDF方法对兴趣点数据进行特征项提取,应用奇异值分解获取每一个区域中POI布局的潜在语义信息；其次,运用数据挖掘技术(Data Mining Techniques),建立潜在的狄利克雷模型(Latent Dirichlet Allocation,LDA)以及经过狄利克雷模型改进的DMR模型对广州市老城区进行城市功能区标识。然后,通过OPTICS聚类的方法对各不同方法得出的结果进行聚类,识别广州市老城区的各个功能区,如：成熟居住区、文教区、商业娱乐区等。最后,应用广州市城市规划现状图和居民出行特征对结果进行验证。研究结果表明,广州市各个区域具有各自明显的功能区划分特征,不同类型的功能区体现出明显的区别,总体上各区域的功能区体现出以住宅和商业混杂的情况,但却可以明显区分出每个功能区差异性的特征。采用多种大规模、高质量的个体时空数据,利用兴趣点模型和DMR模型的新方法对广州市的城市功能区特征具有一定的识别能力；揭示了应用数据挖掘技术并结合传统调查统计方法开展个体移动行为和日常活动组织及社会空间的城市研究的可行性；验证了通过研究人们日常生活模式的动态行为,避免了以往研究中静态地,人为划分城市功能分区的缺陷,为城市研究提供了一种新的方法和途径,以一个新的视角揭示城市功能区的形成及其机制,对城市结构理论以及政策制定、资源配置等方面具有非常重要的意义。