停车难、停车乱等城市停车问题业已成为困扰城市交通系统可持续发展的又一顽疾。特别是当前我国新型城镇化建设不断加速,机动化水平催生了停车需求较快增长,加剧了解决停车问题的紧迫性和复杂性。在城市资源日渐稀缺的情况下,精准化和精细化管理成为解决城市停车问题的重要途径。在实施精准化和精细化停车管理的过程中,离不开停车行为规律的掌握与运用。随着信息技术的不断发展,海量的交通数据为深度挖掘停车行为规律提供了可能。为此,本文运用数据驱动的思想和技术研究停车行为机理及规律,为城市交通规划与管理提供精准化和精细化的停车管理改善建议。本文引入数据画像思想,从可视化、标签化、分类化等角度,以数据为驱动对居住区停车行为进行了系统分析和建模。首先借鉴用户需求导向的数据画像原理,提出停车行为画像概念。通过逻辑路径图的方式,定性分析了用户停车行为特征与停车场运行特征之间的相关关系。基于停车行为画像的要求,建立居住区停车场运行数据的预处理、归一化处理等标准流程,为深入分析提供基础。其次,基于统计分析对停车行为进行画像。通过停车行为属性的统计与可视化方式获得数据样本的集中趋势,进一步定义停车行为特征基准并提取不同停车行为的典型特征,将居住区停车行为划分为5类。利用车辆出场时刻属性构建停车状态的持续模型,提取各类型车辆停车状态持续的分布规律,从而验证停车行为分类的准确性与合理性。然后,采用机器学习的方法对停车行为属性进行分类。通过高斯分类器得出测试停车行为样本属于特定停车行为学习样本的概率,采用概率阈值下限设定的方式完成停车行为群体的划分。分别采用二元高斯分类和多元高斯分类两种方法,获得四类停车行为特征,并以停车时长、停车频率和进出场时刻等属性对各类停车行为进行标签化描述。最后,根据停车行为画像结果,从停车功能区管理和停车位时空资源共享的角度提出相应的精准化和精细化停车管理措施,并充分考虑移动互联技术支持下的实用性。