随着我国城市化进程的快速发展,城市人口与机动车数量急剧增加,由此给城市带来了严重的交通拥堵问题。为了对城市的交通拥堵问题进行解决,本文基于出租车GNSS数据分别对城市交通热点路段和居民出行热点区域进行了研究。其主要研究内容体现在以下几个方面:(1)采用空间相关性分析的方法对城市热点路段进行了提取和分析。即首先根据各路段的交通量数据计算出各时段的全局Moran’s I指数。然后基于局部相关统计量分别提取了大连市中心城区在工作日和休息日典型时段的城市热点路段。最后使用道路仿真软件对需要验证路段的交通状态进行仿真模拟。选取路段行驶速度、路段行驶时间延误和交叉口行驶时间延误作为判别指标,分别构造出三个状态评判集判别矩阵,并采用专家调查法得到三种指标的权重矩阵。通过对判别矩阵和权重矩阵进行模糊判断,进而得到所要验证路段的交通状态。(2)采用数据场聚类法对居民日常出行热点区域进行提取并对城市居民出行时空特征进行了分析。通过sigma经验选择法对数据场的影响因子σ进行选取,采用数据场层次类谱法得到热点区域的聚类中心。根据数据点间的从属关系对出租车乘降点数据进行聚类,进而对居民出行热点区域的进行了提取,并对居民日常出行时段及热点区域时空分布特征进行了分析。同时使用SPSS软件中的K-means聚类法对基于数据场聚类的热点区域提取结果进行验证。(3)利用提取到的城市热点区域对出租车应急调度点进行了配置。根据研究区域内各路段间的行驶速度和路段长度构建了热点区域路网结构拓扑图。然后利用Dijkstra算法计算得到城市热点区域间的最小时间权重矩阵D。按照调度点内的出租车遍历热点区域时间最短的原则,建立了基于城市热点载客区域的出租车应急调度点配置模型。最后利用Matlab中的遗传算法,对热点区域内的出租车应急调度点进行配置。本文首先利用空间相关性分析和数据场聚类的方法分别对城市热点路段和热点区域进行准确的提取,解决了单一聚类算法的参数难以选择的问题。其次通过构建热点路段的判别模型对热点路段的提取结果进行验证,得到待验证路段的热点路段隶属程度为0.512。采用SPSS软件中的K-means聚类法对热点区域的提取结果进行验证。最后从热点区域应用的角度,利用遗传算法对热点区域内的出租车应急调度点进行配置,保证任一热点区域在3.225min的时间内都能被调度到出租车。其研究结果不仅可以为交通拥堵分析提供更好的理论和方法,而且对于城市的交通疏导管理以及基于位置的服务等具有重要的意义。