城市空间中群体出行模式的相关研究一直以来受到城市科学和交通管理等领域学者的关注,发现和理解城市居民出行的空间集聚模式和多中心性结构对帮助城市管理者解决城市交通拥堵、城市规划和控制传染病传播等相关问题具有重大意义。近几年来,基于空间位置信息的技术的广泛应用和传播,使得与人类出行相关数据的获取和分析变得便捷,为基于数据驱动的方法研究人类出行的模式提供了新的机遇。基于复杂网络理论和方法,本文通过对东京都市圈居民出行数据的挖掘,从宏观和微观层面对城市居民出行在空间上的群体模式展开研究:宏观层面侧重对城市居民出行的空间社区聚集模式的挖掘,量化了不同出行方式及其组合对城市居民出行空间社区结构的影响。微观层面侧重对城市居民出行的多中心结构的分析,提出了“出行枢纽度“指标揭示基于多样性出行的城市空间中心性特征,进一步识别对城市居民出行起到重要联通作用的枢纽中心。通过对城市居民出行的空间社区结构的研究,本文基于空间网格划分构建了城市居民出行网络以刻画城市空间下居民的出行,利用社区发现算法揭示了多样化出行方式下和单一出行方式下城市居民出行的空间社区结构,发现短距离出行方式(步行、骑行、公交汽车和汽车)下相对分散和长距离方式(轨道交通)下相对集中的两类城市居民出行的空间聚集模式,在一定程度上从更加全面的角度深化了对人类出行空间集聚模式的理解。本文进一步量化出行方式对城市居民出行空间社区结构形成的影响,发现步行出行形成了居民出行空间社区结构的基础,长距离出行方式会促进空间上相邻社区的融合,这意味着良好的城市短距离出行环境对于维持本地化的出行联系是十分重要的。通过对城市居民出行的多中心结构的研究,一方面,本文利用复杂网络的中介中心性对地理单元在全局结构中的中介作用进行分析。另一方面,本文提出利用出行方式熵来刻画交通枢纽对多种出行方式有效利用的程度,进一步结合出行流量提出了“出行枢纽度”以衡量地理单元基于出行的中心性特征。本文通过对出行网络的鲁棒性实验,发现出行枢纽度较高的地理单元显著影响网络的连边,对居民出行路线的可选择性有较大影响。最后,本文结合居民出行的空间社区结构,利用出行枢纽度发现城市空间在社区内部和跨社区不同层面上的枢纽中心。通过对枢纽中心经济发展数据的分析,发现识别出的枢纽中心通常拥有较好的经济发展,一定程度上验证了本文提出的出行枢纽度的有效性和可靠性。此外,本文基于社区发现算法和出行枢纽度的城市空间出行枢纽中心挖掘与分析方法能够直接应用于其它城市,有助于帮助城市管理者深入理解城市居民出行特征、合理规划交通布局与行政区划。