交通小区划分一般被认为是建立交通规划、管理与控制模型的基础步骤之一,能够解决城市系统的非线性、复杂性、高度关联性等问题。本文在分析国内交通小区划分技术、算法与目标的基础上,以最大程度考虑出行特征一致性为目的,通过理论分析、数据挖掘和模型仿真计算对基于热点探测的交通小区划分的过程进行了研究,同时区域分割过程中尺度效应的影响,并提出了解决方案,为建立更加稳定有效的区域分割模型,提升工程应用价值提供了基础。首先,本文梳理了现有的尺度效应研究理论和方法。通过案例重点介绍了尺度效应的含义与其内在影响;将尺度效应研究分为常规角度和大数据驱动的角度,以模型和技术指标为切入点,分析规模尺度效应误差和分区尺度效应误差两大问题,同时介绍了减小分区效应带来的误差。其次,为了最大程度上考虑出行特征的一致性,使得每个小区内出行需求与交通小区的形态特征与地理要素特征相适应,解决城市交通小区重心确定困难的问题,本文建立了基于出行热点探测模型的交通小区划分方案。基于出租车轨迹数据进行出行特征的分析,采取不同算法下的热点探测模型,对于城市内的出行热点进行细致探测。把出行热点作为划分的核心点,通过分析POI设施的聚集模式和集中程度上的差异,确定待合并区域;根据交通规划中的相关原则,确定交通小区合并规则和原则,将出行需求相似性、道路基础设施的相似性等作为聚类算法的指标,进行交通小区合并。再者,以出行需求影响因素为案例进行研究,通过改变聚类算法以及相关尺度,对于出行需求和POI指标之间的相关性进行分析。其中,聚类算法改变热点位置,尺度改变了热点的数量和热点值大小,进而形成了不同算法和尺度下的区域分割结果。在不同的划分方案下对于出行需求影响因素的路径系数波动性进行探究,分析相关假设检验结论的差异性。最后,应用随机森林和物元分析模型,基于POI设施的数量对于出行需求进行预测,在不同尺度下分析出行需求预测的误差;分别应用傅里叶函数和多项式函数拟合误差与尺度之间的关系;基于遗传算法求解拟合函数的最值,避免陷入局部最优的问题;根据求解结果,确定最佳交通小区划分方案,在该划分尺度下最终确定“出行需求-土地利用”之间的相互影响关系。