点过程是用来描述自然界中点事件的时空特征以及属性特征的随机过程。对点过程丛集模式的提取，能够发现某种随机现象的空间分布模式与规律。提取点过程丛集模式，主要采用聚类的方法。传统的聚类只是针对一元点过程进行分析，即研究区域内仅存在一种性质的点过程。但是，当研究区内同时存在两种不同性质的点过程时，不同的点过程的密度隐含不同的模式，例如，出租车轨迹中，某一区域不同密度的起点和终点，代表不同城市功能单元（如上午起点密度高而终点密度低，表明该区域可能是住宅区）。传统的一元点过程聚类方法已不能满足要求，需要一种二元点过程（两种性质的点过程）聚类方法来解决这一问题。　　为了解决这种二元点过程组合的二元聚类问题，本文首先提出了二元点过程的丛聚模式，即至少一种点过程密度高的模式，以二元点过程（点过程A和B）为例，主要包括三种丛聚模式:“高-高”（A、B密度都高）、“高-低”（A密度高但B密度低）、“低-高”（A密度低但B密度高）。然后提出了一种针对二元点过程的聚类方法二元DBSCAN聚类方法。该方法主要分三步:(1)采用L函数估计聚类尺度的大小;(2)利用二维空间泊松分布确定核心点阈值参数;(3)采用二元DBSCAN聚类方法提取聚类。　　另外，本文应用提出的二元DBSCAN聚类方法对北京出租车GPS数据中起点与终点进行应用，挖掘出了“高-高”（起点密度高终点密度高）、“高-低”（起点密度高终点密度低）、“低-高”（起点密度低终点密度高）三种丛集模式，并结合北京市土地利用类型与交通枢纽站的空间分布图对聚类结果的成因、时空分布及其与区域社会功能之间关系进行分析和解释。