城市作为居民生活活动高度汇集的区域，它的建筑格局、城市功能规划及交通规划是不是恰当，都是一个城市的可持续发展、人们的工作效率和生活幸福指数的直接影响因素。同时，在这个复杂的系统中，个体的活动，即个体与空间以及个体间的关系、人地互动的过程成为大量学者研究的重点。由于受到城市固有的区域功能分布影响，居民的日常出行活动会表现出一定的时空模式（周期模式、聚集模式等）。为了进一步了解城市居民出行时空特征分布情况，本文以北京市为例，利用出租车轨迹数据对工作日与休息日的居民活动时空特征展开研究。　　主要工作内容包括：第一，对出租车轨迹数据进行预处理，并提取出租车OD点数据；第二，对工作日、休息日的居民出行量进行统计并对统计结果进行分析；第三，选取一天内主要的六个时段（7:00-10:00、10:00-13:00、13:00-16:00、16:00-19:00、19:00-22:00、22:00-00:59），通过对每个时段的OD点进行核密度分析（Kernel Density），分析居民出行的动态变化特征；第四，综合考虑各聚类算法的优缺点及出租车轨迹数据沿路网分布的特征，提出一种基于网格密度的混合聚类方法（算法以道路节点生成的Voronoi图作为网格单元）。并用该算法对选取的重要时段的出租车OD点进行聚类分析。然后，统计POI数据在聚类结果中的密度分布，综合分析居民在不同时段的聚集区域与该区域的功能类型之间的关系。　　最终结果显示，工作日与非工作日的出行状态有显著不同，工作日有明显的早晚高峰出行特征，而休息日则没有突出的出行高峰；通过对聚类结果的分析，得出居民工作日出行主要是通勤出行，并且出行密度的分布呈现出类同心圆的特征，重点集中在居住区和工作区，在16:00-00:59时段休闲娱乐区域的热度有所增加。居民一天内的出行经历了从“空间相对分散—空间聚集—空间相对分散”的过程。　　最后在总结全文的基础上指出文中研究不足：缺乏对聚类结果精度的检验以及在区域代表性上有一定的局限性。并展望后续研究需要改进和完善的地方。