上海作为一个国际化的大都市,城市的发展和更新速度都较快,这对城市管理者和规划师在对城市进行管理和规划时提出了更高的要求。传统的规划资料来源主要是社会和经济统计数据以及问卷调查等数据,收集这一类数据会耗费大量的人力、物力、财力,同时也都有一定滞后性。近年来,民用GPS设备在车载和移动终端上的普及以及大数据技术的发展。使得原先承载着大量出行信息和时空数据的出租车的GPS数据得以利用。在这些GPS数据中蕴含着居民出行的时间、空间信息,利用数据挖掘技术获取隐藏在数据背后的居民出行行为规律、发现城市活跃空间、探索解决交通拥堵的新途径、为基于LBS的选址等提供科学依据。基于此,本文选择2010年5月12日-6月12日的3462辆出租车所记录的GPS轨迹数据为数据源,通过数据清洗和筛选后获得696辆连续32天记录完整无缺失、无错误的GPS数据。并以此为数据,探索乘客的出行规律、城市活跃度、碳排放的计算以及结合GPS数据的碳减排措施。本文主要得出以下几个结论:(1)乘客出行呈现出明显的波动规律性,在一个星期的周期内,出租车的服务次数逐渐增加,在周六或者周日达到一个高峰。休息日的出行次数明显的高于工作日。在一天的时间段内,出行需求的最低点发生在4-6点的时间内,工作日在上午10点和晚上8点左右达到峰值,休息日在上午12点和晚上9点左右达到峰值。通过Kmeans聚类对上下客点进行聚类分析之后发现浦东新区上下客聚类中心最多,活跃点较多。(2)上海市城市活跃空间呈现出“中心城区-交通枢纽-中心城区”的变化过程。并且在大时间尺度范围上呈现出明显的“一带四点”的分布格局。并且休息日的平均活跃水平要高于工作日的平均活跃水平,休息日的出行活动早高峰时间段要晚于工作日2个小时,在下午的活跃期间工作日和休息日的城市活跃度十分接近,晚高峰时间段工作日在20点结束,而休息日则延长到22点。(3)租车碳排放的时空分布整体上类似于城市活跃空间的格局。主要集中在上海市主要集中在交通枢纽以及商业中心。最后结合出行特征提出了设置出租车停靠站的减排方式,发现42000辆出租车至少可以减少年CO排放量2500t。