随着科技的进步,5G、人工智能、大数据、物联网等新一代信息技术与社会公众的生活联系更加紧密,促使了社会公众对城市信息化、智慧化的更高要求,智慧交通随之应运而生,智慧交通的出现,为不断加剧的城市拥堵问题的解决带来了希望。对城市交通状态的时空分布特征实时、快速、准确以及稳定的智能识别及对其在时间上以及空间上的规律性的挖掘是智慧交通能够发挥作用的基础。基于此,论文根据对出租车GPS数据分析,提出了一套城市级别交通状态时空分布特征刻画方法。论文主要工作内容如下:(1)通过对交通状态影响因素分析,发现交通状态在很大程度上受到公众的社会活动的影响,根据公众社会活动的特性,提出了交通状态变化具有时变性以及周期性两大特性;(2)基于交通流理论、出租车特性以及道路属性,提出了能够反应路段交通状态以及道路空间占比的交通指数以及出租车轨迹数量的出租车数量指数;(3)基于道路交通网络与互联网络的类似性,采用Page Rank算法对路段的重要度进行分析,构建能够反应区域交通状态的区域交通指数;(4)基于K-means算法以及交通指数与出租车数量指数的关系,完成交通状态的阈值搜寻;(5)将交通状态周期性分为周内的日周期性以及不同周之间的星期日期周期性,提出了基于异常值的周期分析方法,将两类周期性相结合对常频拥堵路段进行挖掘。最后结合交通状态的时变性提出交通状态时空分布刻画体系。采用2017年西安市出租车全样本GPS数据进行分析,(1)基于交通指数的时变性分析,发现根据交通指数、交通指数时变趋势的变化,可将一天24h分为10个时段,10个时段根据交通状态的严重程度又可分为5个梯次;(2)基于周期性分析发现周一早高峰、周五晚高峰以及周五晚间时段较其他星期日期同时段更加拥堵,周一早高峰、周五晚高峰较其他星期日期新增拥堵路段集中于快速路以及高速连接道路上,周五晚间新增拥堵路段集中于曲江景区、钟楼西侧商业圈及北部商业圈。而西安市主要拥堵位置为丈八北路、小寨商圈以及钟楼商圈。(3)基于不同类型的道路分析发现西安市快速路交通状态要优于主干道及次干道,2017年四月第二周早、晚高峰主干道拥堵路段空间占比达到17.42%、20.13%。