科学合理地进行城市规划和减轻交通拥堵问题是建设智慧城市的重要部分,交通问题突显,民众出行及其日常生活深受其影响,这已然成为交管部门需迫切解决的社会问题。我国城市大多建设GPS数据监控平台,使得大众出行更为便利,交通拥堵也得到有效缓解,但面对海量的交通大数据,在交通数据的挖掘及其分析中还存在着重大挑战。该论文所用源数据由陕西省交通运输厅提供,在其《基于已建交通信息化平台的西安交通拥堵缓解应用研究》的项目大背景下完成,研究了利用预处理后的源数据进行时空轨迹挖掘的关键技术和方法,通过对城市居民出行规律的分析为西安市的交通管理决策提供实质性的数据支持。主要工作如下:（1）改进出租车轨迹数据压缩算法。与原始压缩算法相比,改进方法考虑用户需求的同时也考虑轨迹的结构复杂度,可以保证车辆轨迹的压缩水平,同时也将误差降到了最小。最后通过可视化直观的表现出租车的轨迹特征,挖掘西安市主要城市道路交通情况。（2）出租车移动模型构建。轨迹数据集中时空信息丰富,从出租车的轨迹数据中提取上客热点及下客热点信息,构建出租车行驶轨迹的区域内移动模型及区域间移动模型,挖掘出租车载客轨迹中蕴含的居民出行空间分布特征。结果表明,首先对轨迹数据进行清洗预处理是可以有效的去除数据的突兀性变化的,其次本文中改进的轨迹数据压缩算法与DP算法相比更具优越性,最后改进的基于多特征相似性度量的轨迹聚类算法,提高了聚类结果的准确性。论文充分利用了Arc GIS平台,对轨迹数据进行合理、有效地处理与分析,且可以根据需求灵活扩展。