1998年国企改制和住房改革之后,单位逐步结束了住房分配和大院建设的责任,直接导致单位综合体的解体,居住郊区化快速发展,从而加快了职住分离,引起了严重的通勤问题。随着计算机技术的快速发展和社交网络的普及,LBS技术已经应用到日常生活的方方面面,大规模、高质量的带有个体时空标签的大数据成为了新的研究城市问题的手段。本文使用武汉都市发展区2015年3月23日-3月29日公共交通智能卡数据、POI数据、出行时间数据和房价等多源大数据,结合武汉市居民出行调查报告制定通勤出行识别规则,使用基于规则的决策树方法识别职住地并在此基础上提取通勤出行案例。利用层次聚类、k-means聚类等数据挖掘方法对地铁站点进行以时间流量为特征的聚类,结合站点周边POI分布对聚类簇进行定义。最后通过地理大数据可视化技术,以个体层面的通勤模式为基础,从通勤流量和流向、职住空间、通勤效率、站点分类等方面评价武汉都市发展区居民的通勤特征和城市功能结构,得出的主要结论有:1、武汉仍然是一个单中心的城市,居住和就业都集聚在中心城区。2、通勤模式以向心通勤为主,中心城区的职住空间匹配较好,通勤时间短。新城组群的通勤时间显著大于中心城区,职住匹配度不如中心城区。3、武汉都市发展区的职住空间具有分圈层的特征,中央活动区承载了最多的就业和居住人群,综合组团在职住匹配和通勤时间上差异较大,新城组群疏散了中心城区的一部分居住人群,但它们的就业吸引还是较弱,承担的职能偏向于居住。4、中心城区和新城组群的通勤联系较弱,新城组群之间的联系也不多。5、东湖高新区、沌口、西部新城已初步形成次级的就业中心。6、地铁站点分为职住混合型、职住混合偏居住型、工作主导型、职住混合偏向工作型、交通枢纽型和生活服务6种类型。地铁站点客流量数据可以有效的将个体行为和空间实体相关联,是城市居民对站点使用情况的真实反映。