随着我国工业化和城市化进程的持续加速,城市机动车保有量迅猛增长,已成为影响和制约我国城市交通系统良性发展的关键因素。其高保有量一方面给交通运输、安全行驶和环境保护等带来巨大压力,另一方面,随着信息处理、数据挖掘等技术的发展,也为动态交通轨迹数据的采集、分析、处理以及相关产业的发展带来了机遇。如何准确采集与获取私家车轨迹相关信息、包括车辆位置和行驶状态等、分析及挖掘其特有的轨迹特征和移动模式,能为探索车流动态变化趋势及交通流演变规律提供新的途径,是城市智能交通系统和车联网等应用的重要研究议题。因此获取私家车轨迹数据并进行行为特征研究具有很重要的意义。本文主要是以城市私家车的出行轨迹为研究对象,基于聚类的方法对其进行行驶特征分析,以帮助人们理解私家车出行规律及其出行行为对城市交通流的影响。本文主要工作如下:本文选取深圳市部分私家车的历史轨迹信息进行分析,选取有价值的数据属性。为了减小存储空间、提高算法分析与实验的准确性,对获取的车辆轨迹原始数据进行预处理。首先根据时间阈值和距离阈值检测轨迹点中的漂移GPS数据,将无效或冗余的数据去除,然后使用卡尔曼滤波对轨迹进行校准,最后对比了校准前后数据中存在的漂移数据的情况。提出一种基于聚类的TAD(Trajectory Aggregation Detection,TAD)算法来检测车辆的规律性。算法包括三步,即动态邻域自适应、轨迹聚类、理解出行规律。车辆的定位误差受多种因素的影响,如采集设备、环境等,此时采用动态邻域半径能在很大程度上提高实验的检测精度。其次,轨迹聚类过程中算法考虑了轨迹点的时空聚集性,而非仅仅是空间上的分析。最后,给出了规律性的定义、对规律出行的种类进行了划分。实验将TAD算法和现有的经典聚类算法进行了对比。此外,本文以1000辆私家车一个月的轨迹数据为基础进行实验,结果表明,所提出的方法能很好地识别车辆出行行为所属的规律性类型。最后,将TAD算法应用到车辆规律出行检测原型系统中,该系统主要基于B/S架构,用户只需在web浏览器上与服务器进行交互即可。根据设计需求,服务器端使用tornado框架以便访问速度快。系统功能模块主要为用户提供可输入/上传待检测轨迹数据的平台并进行检测;相关教程模块给出了检测的示例、如何评价这个系统的性能、解释该系统的检测原理及评价检测方法时用到的数据的来源等。该系统将作为智能车联网系统的一部分上线运行。