人们的出行活动所产生的轨迹数据蕴含着其隐藏的出行行为特征,通过对出行行为轨迹的研究,能分析出人们的出行习惯与需求,从而帮助企业研发出满足人们出行活动的一系列产品与服务。传统的居民出行行为数据一般通过人工访谈、调查问卷或不太精确的GPS定位技术获得,获取成本太高,且数据精度低。而滴滴出行作为网约车行业的佼佼者,不仅平台服务覆盖范围广,且GPS技术定位精度高,使得订单的起讫点更接近用户的真实位置。另外,“滴滴”提供的私家车接单服务,进一步增加了用户覆盖率。这使得“滴滴”用户能较为准确的代表一个城市居民整体的真实出行行为,所以“滴滴”用户行为可以代表城市人口,对其进行研究,可以为城市相关决策者提供更加准确的决策参考依据。本文基于具有高精度定位技术、更接近用户目的地的“滴滴出行”订单轨迹数据,对“滴滴”用户的出行规律进行聚类可视化分析,旨在为“滴滴”司机、位置服务商、城市及土地规划者提供一定的决策支持。首先,本文对原始“滴滴”订单轨迹数据进行清洗、加工、提取工作,对应用于不同需求的数据进行分类存储,并爬取高德地图的兴趣点数据作为聚类可视化的数据基础;其次,对预处理后的“滴滴”订单轨迹数据在不同时间段的出行量进行分描述性统计分析;接着对“滴滴”用户的出行时间段、行驶时长进行K-Means聚类,探究用户的热点出行时间段及热点行驶时长,为热点区域研究做基础,并通过自适应参数的密度聚类算法(DBSCAN)对“滴滴”用户的出行热点区域进行多指标可视化分析;再次,结合兴趣点(POI)数据提出了人群划分模型,对高校学生、居民、上班族三种人群的出行行为规律进行研究,根据K-Means聚类及DBSCAN聚类结果,挖掘这三类人群的出行行为差异。最后,结合住宅区订单及企业订单进一步提取了“滴滴”用户的通勤订单,探究成都市上班族的通勤时间及职住情况,并将聚类分析结果在ArcGIS软件中实现可视化,从而更直观更准确的分析出“滴滴”用户中上班族的时空交互行为特征。本研究对揭示“滴滴”用户时空交互模式及优化成都市相关决策具有一定的理论和实践价值。一方面,为“滴滴”司机提供优质订单的接单时间和地点,使司机接单决策更高效;另一方面,对成都市职住平衡情况进行分析,帮助城市规划者优化土地利用决策,并通过对“滴滴”用户的出行热点区域的分析,为位置服务商如景区、娱乐场所的营销活动提供一定的决策依据。