近年来随着无线传感器技术、通信技术和定位技术的发展,可以获取到大量的交通OD流数据。这些交通OD流数据中蕴含了移动对象的通勤规律和行为模式,对其进行模式挖掘与分析可为城市道路规划、公共交通优化、城市功能区划分等提供智能的信息化服务和决策支持。关于交通OD流数据的地理空间交互研究受到国内外学者的高度重视,并取得了大量的研究成果。然而,仍然面临一些问题,例如由于交通OD流数据量大,结构相对较为复杂,导致现有的挖掘算法时间复杂度高,有效性低,且很难完成基于实时交通OD流和多密度交通OD流的模式挖掘任务。此外,现有研究也没有从根本上解决区域间人群移动模式的可视化问题。本文主要基于交通OD流数据进行区域间人群移动模式挖掘研究,并对挖掘的结果进行可视化分析。取得了如下研究成果:1.针对现有算法处理具有时空特性的交通OD流时具有时间复杂度高、有效性低的问题,提出了一种高效的具有时空特性的区域间人群移动模式挖掘算法。基于交通OD流数据,分别提出了仅有空间特性的基于密度的区域间人群移动模式挖掘算法DBMPZ(Density-Based Movement Patterns between Zones)和具有时空特性的区域间人群移动模式挖掘算法STMPZ(Spatiao-Temporal-based Movement Patterns between Zones)。DBMPZ算法通过引入密度的概念,使算法不仅对噪声具有更强的鲁棒性,而且还可以挖掘出更精确的区域间人群移动模式,在这样的区域间人群移动模式中起始区域和目的区域之间的关系更加紧密,更能体现区域之间的交互关系。STMPZ算法利用时空索引可以快速地对交通OD流进行邻居查询,而且在具有时空特性的区域间人群移动模式挖掘过程中,同时考虑了移动对象之间的空间邻近性和时间邻近性,从而实现了真正意义上时空特性的统一。此外,在考虑空间邻近性时,加入了路网的限制,使得挖掘出的区域间人群移动模式更精确且更加符合实际。分别利用合成数据集和真实数据集对DBMPZ算法和STMPZ算法进行验证,实验结果表明DBMPZ算法和STMPZ算法在执行时间和有效性方面优于MZP(Movement Patterns between Zones)算法和SSTFC(Stepwise Spatio-Temporal Flow Clustering)算法。2.针对现有算法无法基于实时交通OD流挖掘人群移动模式的问题,提出了一种面向实时交通OD流的区域间人群移动模式在线挖掘算法RTMPZ(RealTime-based Movement Patterns between Zones)。根据交通OD流的特殊数据类型和实时查询需求,RTMPZ算法利用双重时间窗口有效地解决了交通OD流无法在每个时间戳都存在相应的位置信息从而导致时间窗口无法滑动的问题。此外,双重时间窗口还使得无需对所有历史数据进行处理,只需对双重时间窗口内的数据进行分析,就可以对已有的模式进行快速更新,提高了算法执行效率。利用合成数据集和上海出租车通勤数据集对算法进行实验验证,实验结果表明RTMPZ算法具备高效处理实时交通OD流的能力。3.针对现有算法无法处理包含多种密度的交通OD流的问题,提出了一种面向交通OD流的多密度区域间人群移动模式挖掘算法MDMPZ(Multi-Densitybased Movement Patterns between Zones)。该算法通过一种新的相似性度量方法对具有多种密度的交通OD流数据进行聚类,其中相似性包括两个部分:不同对象周围邻居分布的相似性和它们共享邻居的相似性。根据上述相似性度量方法,MDMPZ算法可以挖掘不同规模,不同密度,不同形态的区域间人群移动模式。此外,该算法的参数易于设置,不需要用户具备大量的先验知识。利用合成数据集和上海出租车通勤数据集对该算法进行实验验证。实验结果表明该方法可以快速且有效地挖掘出具有不同密度的区域间人群移动模式。4.针对具有空间特性的区域间人群移动模式特征多、不同模式可能存在空间重叠性等问题,提出了面向区域间人群移动模式的空间图谱可视化方法。引入地理信息图谱的概念,对于单个区域间人群移动模式的可视化,为了体现同一模式中不同区域的贡献度,采用了一些诸如颜色、尺寸等视觉变量同时从多个方面进行表达。对同一位置出现的多个区域间人群移动模式,按照图谱的方式,将模式划分为一对一、一对多、多对多、单向移动或者双向移动等多个类别分别进行可视化,从而解决了多个模式相互重叠的问题。5.具有时空特性的区域间人群移动模式包含多个时间特征、时空特征及时空复合特征,为了能够通过视觉变量全面且定量化地呈现这些特征,又能够使可视化结果简洁和直观,提出了面向区域间人群移动模式的时空交互棱柱可视化方法。该方法通过对区域间人群移动模式的各种时间特征、空间特征和时空关联特征的有效提取,并对其进行几何图形化表达,从而能够全面反映区域间人群移动模式的主要特征。该可视化方法能够更加直观、更加深入地理解模式背后隐含的规律及其各种特征量之间的关系。本文基于地理信息科学中的空间交互理论,提出了面向不同特性的交通OD流的区域间人群移动模式挖掘算法框架,并提出了相应的可视化方法。本研究既是对空间交互分析模型的补充,也实现了对空间交互可视化方法的扩展,为揭示交通OD流影响下的区域关联性分析提供了方法支撑。