目前,国内城市轨道交通客流预测普遍采用传统“四阶段”法,其中,交通小区的划分是影响“四阶段”法每一个过程预测准确度的重要因素之一。交通小区作为交通预测模型的基本分析单元,用于描述出行的起点和终点;同时,也包含了用地、人口、岗位等社会经济属性信息,是城市交通规划中基础数据的重要载体。然而,在以交通小区为基础的空间数据分析过程中,通常存在可塑性面积单元问题(MAUP),其对结果会产生不确定影响。且在传统交通模型中,由于调查数据的分析整理主要依托行政分区进行;为满足数据需求,交通小区主要依据行政分区和相关划分原则得到。随着城市交通系统的逐步完善,城市轨道交通部分站点位于交通小区的边缘或分界线处,传统交通小区难以反映城市居民日益变化的出行特征;且丰富多样的城市大数据,突破行政分区限制,更加适合基于个体出行规律的城市空间分析。基于上述背景,本文以公共交通智能卡数据以及线网GIS数据为支撑,以交通小区划分原则为理论基础,重点解决如何基于上述数据构建交通小区划分目标函数以及约束条件,如何在研究区域内利用构建的目标函数和约束条件形成小区聚合模型从而划分交通小区,如何评价基于聚合模型划分的交通小区方案的优劣性。首先,本文梳理了交通小区划分和公共交通刷卡数据的相关研究文献,并总结分析了国内外在交通小区划分和公共交通刷卡数据相关领域的研究,通过对相关文献的解读,梳理其中相关的理论知识和研究方法,对比分析其中存在的缺陷和问题,逐步形成本文的研究思路。紧接着,本文从交通小区的定义开始,讨论交通小区划分过程中信息损失问题,并分析交通小区划分对交通需求建模的影响,阐述目前交通小区划分过程中需要考虑的指导原则,并且对空间数据离散化过程中的可塑性面积单元问题(MAUP)进行论述,最终提出了本研究在现有数据的约束下交通小区划分需要考虑的原则以及要达到的目标。随后,对本研究中刷卡数据进行清洗、匹配以及融合,且对研究区域的线网拓扑化、对空间数据进行离散化处理;基于以上处理后离散化的数据,计算交通小区聚合模型输入数据,介绍本研究中交通小区聚合规则及初步筛选约束,最终基于交通小区划分原则构建交通小区划分的目标函数以及约束条件。最后,基于以上研究基础,形成不同交通小区方案的聚合流程,并通过交通小区宏微观指标选择最优的交通小区划分方案,为进一步验证本研究交通小区划分模型的优劣性,对比分析北京市四环内2008、2010年交通小区划分方案与最优交通小区划分方案。本文通过对公共交通刷卡数据的处理、交通小区划分等相关问题的研究,以北京市四环内实际数据为基础,利用ArcGIS平台以及Python编程语言,构建了交通小区划分模型实现了交通小区的划分,并通过北京市已划分交通小区方案与基于聚合模型划分的最优交通小区划分方案间的对比分析及验证,证实了本文提出的方法具有一定优势。