近些年来,随着机动车保有量的飞速增长,城市规模的不断扩大,城市化进程在赋予人们现代化生活的同时,也带来了一系列问题和挑战,如城市污染、能源损耗、城市规划不合理、交通拥堵等,其中交通拥堵问题对城市发展格外重要,已成为现阶段研究人员亟需解决的重要问题。城市人口的不断涌入,导致了严重的交通拥挤问题,研究单条道路或独立交叉口的交通状况已不能反映城市交通的拥塞情况,对多路网的区域交通拥堵分析引起了研究者们的更多关注和研究。城市拥堵区域通常集中在商业较发达、居民出行次数较多、交通流量较大的区域,在某种程度上来讲是人流短时间内聚集的产物,因此对于人流的聚集模式挖掘也成为区域交通拥堵检测的一项研究指标。聚集模式是指一组移动对象在一定时间和空间约束下共同运动形成的移动模式,城市交通中聚集模式的出现往往意味着异常事件的发生,如庆祝、游行、抗议等行为模式进而引发交通堵塞。相比于一般的交通拥堵分析方法,聚集模式拥堵分析方法密集性更高,在加入时间限定的同时增加了准确性和稳定性,对于较为细化的时间分隔,利用增量的聚集挖掘方法可以完成近似于实时的交通拥堵检测,为城市管理和规划作出贡献。本文首先简述了论文研究的背景与意义、国内外研究现状以及本文的主要研究内容,并就论文中运用到的相关理论进行了阐述。其次分析了手机定位数据中主要存在的问题,并针对其存在的轨迹噪声等问题进行了相应的数据预处理;再次在聚集模式挖掘进行之前引入轨迹简化过滤方法来对原始轨迹进行过滤,提升聚集模式挖掘的整体效率;然后为了进一步加快聚集模式挖掘的运行时间,提出了一种改进的聚集挖掘算法,在闭合crowd检测过程中加入边界过滤来加快集群间距离的运算速度,在聚集检测阶段改进了传统的检测分割(TAD)算法,提出了一种发现分割(FAD)算法,来对聚集检测进行加速。为了解决过长时间段内聚集检测过程中对象在相关集群中出现次数的计算问题,提出了一种基于长整型数组的多比特存储结构用来对二进制数值0和1进行存储,进而完成聚集挖掘中参与者数量的计算;接着利用改进的聚集算法完成对城市市区拥堵状况分析,并与生成的停留点密集区域进行对比凸显其在交通拥堵分析方面的优势;最后利用增量聚集挖掘算法结合历史聚集数据设计并实现了一款区域交通拥堵可视化系统,利用网格化和热力图辅助功能完成城市拥堵区域的展示并在展示页面中加入相邻时间聚集模式对比,找到拥堵区域随时间的变化状况,完成对城市交通状况的立体分析。