随着常规公交系统中公交刷卡数据和定位数据的积累,研究者可以提取公交乘客出行特征、出行链等与乘客出行行为相关的信息,而对公交卡数据的研究主要集中在对数据的应用以及乘客出行的分布特征上。尽管如此,目前公交刷卡数据当中仍旧有很多规律性的知识可以被挖掘和利用。本文基于公交出行卡种信息,针对不同人群的活跃特性进行分析,尝试从区域层面量化挖掘人群出行的不同活跃模式。论文主要内容包括以下四个方面:(1)对挪威特隆赫母市和北京市的公交刷卡数据进行清洗、筛选和修正,在FCM(Fuzzy C-Means)聚类方法的基础上提出改进的IFCM(Inner-Restricted Fuzzy C-Means)算法,.考虑站点服务范围和客流量两种因素,对公交站点进行小区划分,为后续区域层面的分析提供研究基础。(2)利用奇异值矩阵分解(Singular Value Decomposition)的方法对挪威特隆赫母城市公交刷卡数据进行时段划分,确定最佳划分时段,并对区域刷卡次数及停留时间作统计分析;提出改进的非负矩阵分解(Nonnegtive Matrix Factorization)初始维数的确定方法,从而获取数据中隐藏的不同人群在不同区域的活跃模式;结合区域空间分布、各活跃模式特征值占比大小,分析不同类型人群的区域访问频次以及区域停留时间的时空特征。(3)基于不同人群公交OD出行信息进行区域OD对的活跃模式挖掘分析,获得与不同活跃模式相匹配的公交OD分布图,从出行时空数据中提取人群差异化的区域OD对活跃特性。(4)利用本文提出的方法,处理和分析北京市地面公交刷卡数据,挖掘和对比不同城市中不同人群在不同区域的活跃模式,从而发现不同城市间的共性与差异性。图63幅,表10个,参考文献94篇。