不同功能区是城市各项职能有效发挥的载体,对于调控城市用地政策和城市用地开发,检测城市发展过程中面临的问题具有重大意义。因此,城市功能区的挖掘成为城市计算中的一个重要内容。而城市中人类的各种经济活动关系到不同的功能类型,这种经济活动的局部化促成了城市区域的功能性。同时,一个区域的功能并不是单一的,如在文化教育区里仍然有饭店、娱乐设施、商业设施等,因此,一个区域可以用不同功能的分布来表达。利用人们的日常活动数据即众源地理数据,可以更细粒度挖掘功能分布,为城市空间结构的研究提供事实和理论支撑。已有的基于城市众源时空数据进行功能划分研究中,存在如下问题:1)由于可塑性面积单元（MAUP）问题,很难确定合适的分析单元,不同大小的空间单元会影响功能识别的粒度;2)大部分研究将城市功能区域划分为了单一的功能类型,且缺少对区域中混合功能强度的定量分析;3)未充分挖掘时空数据隐含的语义信息,多数研究仅从数据量的角度对其频率分布模式进行了分析,且较难挖掘多维特征数据中的主题信息。这些问题的出现降低了城市功能划分结果的可靠性。因此,本文针对上述问题,在城市功能区划分中,从空间分析单元的确立、功能主题信息的定量挖掘、多维特征数据计算等方面展开研究,为时空数据的计算与城市功能结构的分析提供新思路、新方法。本文的主要研究内容和结论如下:（1）空间分析单元优化框架研究针对时空数据的空间分析单元确立方法,通过对时空数据分布模式分析,提出可基于多个标准评估候选分析单元的最优空间分析单元优化框架。该框架依赖于帕累托最优性来选择空间分析单元,从而克服空间分析单元设定的主观性和随机性,也在一定程度上缓解MAUP的影响。同时,将该框架用于浮动车轨迹数据的分析,通过全局空间自相关指标和局部空间自相关变异系数的结合来确定空间自相关模式的分析单元。结果表明,700 m和800 m是该实验区域内最优的空间分析单元。通过多标准的空间分析单元优化框架,可为地理现象研究如城市功能的划分提供空间分析尺度基准。（2）功能主题信息抽取模型研究基于语义主题的功能信息挖掘方法,将传统主题抽取模型应用于时空数据计算中,得到数据所属的特定主题。且对主题信息多样、结构复杂的时空数据,提出基于直方图的主题概率生成模型（H-LDA）。通过综合考虑城市居民出行行为与城市功能之间的关系,将大规模浮动车数据应用于H-LDA模型,从出行轨迹数据中提取了研究区域潜在的功能语义信息。实验表明,基于H-LDA模型生成的功能分布结果精度达到88.1%。同时,基于POI数据计算的功能信息熵（FIE）和基于H-LDA模型计算的主题信息熵（TIE）之间的相关系数为0.612,表明两者之间高度相关。这些都解释了基于H-LDA模型计算城市功能和混合度分布结果的准确性和合理性,并为相似性功能的度量奠定了基础。（3）顾及多维特征的数据聚类方法研究能够处理多维特征数据的聚类方法,通过引入高斯核函数计算多维特征的相似度,解决多维属性线性不可分的问题,应用自适应参数设置策略,提高了算法收敛的速度,提出了能够快速、准确地分析时空大数据的多维特征近邻传播聚类算法（MDF-AP）。通过将MDF-AP算法应用于公开数据集,验证了算法的有效性。同时,对浮动车时空数据的聚类发现,MDF-AP算法在1000米缓冲半径范围内平均匹配点的准确率（ARP）为81.47%,优于对比算法的聚类结果,表明MDF-AP算法在聚类多维时空数据时效果较好。通过多维时空数据的聚类算法,完成属性、空间、时间等多维度特征的综合分析,更准确地提取多维特征数据中隐含的信息,这对实现基于多维度的城市功能区划分具有重要意义。（4）多维度城市功能区划分实验以武汉市三环内为研究区域,利用浮动车轨迹数据,应用全局与局部相关性标准确立了最优空间分析单元,进而利用功能主题信息抽取模型和多维特征数据聚类方法进行了城市空间功能及混合度的计算。同时,与POI数据计算出的城市功能及混合度进行了比较。实验结果表明:1)工作日和周末的浮动车数据最优的分析单元为1000 m;2)对研究区域的功能主题概率划分为了8个聚类类别,且实验区域的功能主题混合程度较高;3)与街景地图对比,发现基于浮动车数据划分的城市功能可以识别道路、桥梁等区域,这对没有长度等属性信息的POI数据是较难的。同时,将FIE与TIE进行比较,发现基于浮动车数据计算的城市功能混合程度更高。以上分析证明,从空间、时间、特征等维度划分的城市功能区符合武汉市的实际情况,本文所提出的方法可为城市功能和混合度的识别提供准确、合理的定量结果。