随着社会经济发展和人们生活水平的提高,私人小汽车保有量在不断增大,在一些中小城市,由于公共交通网络尚未完善,私家车因为其便捷、快速的优势,成为人们正常通勤和其他各类出行的代步工具。然而,随着城市化的进城,城市拥堵问题、交通事故频发、环境污染严重、停车设施不足、动静态交通问题突出等问题突显。针对此类交通问题,交通管理部门通过制定相关交通需求管理政策,来合理引导交通出行需求,从而缓解交通拥堵问题。对路网中的车辆进行分类分析,确定路网中的车流量结构,明确各类车辆的使用特征和出行规律,对制定富有针对性的交通需求管理政策具有重要的现实意义。公交车辆、出租车和通勤车辆使用频率高、交通影响程度大,对这三类车辆准确识别,研究其出行时空分布规律是关键。高清卡口、电子警察设备等智能交通设备采集的过车数据为研究车辆的使用特征和出行规律提供了重要支撑。本文基于车牌识别数据,进行车辆出行特征识别方面的研究,主要内容如下:(1)针对车牌识别数据的质量,本文从流量精度分析、车牌识别精度分析两方面,结合视频流量数据和人工调查流量数据,对车牌识别数据的数据质量进行探讨;(2)针对原始车牌数据中的数据冗余、数据缺失、数据错误和数据异常几种情况,提出了识别方法和处理流程,并结合某城市的数据进行案例分析,探讨各类异常数据的比例和影响;(3)运用统计分析的方法,从交通出行特性和车辆使用特性两个维度研究城市道路网交通特性,分析城市的交通出行需求、交通出行结构、交通出行时段等交通现象。车辆使用特征从车辆使用程度、车辆属性关联性分析及车辆使用强度稳定性三个维度进行分析,探讨城区车辆的使用情况,分析不同归属地车辆的分布情况及不同归属地车辆出行在时间上的分布。最终得到城区交通的构成主体。(4)进行数据的筛选和分类。提取工作日的所有数据并进行预处理,对预处理后的数据按照公交车、出租车及通勤车三类车的出行特征进行数据分类,剔除对聚类有影响的无关车辆,获得三类车辆分析的基础数据集;根据三类车辆的出行特征,分别构建特征指标,获得聚类分析的指标集合。(5)以实际的车牌数据为样本进行实例分析,提取出公交车辆、出租车及通勤三类车辆,并对三类车辆的出行特征、三类车辆对路网的影响进行分析,对聚类结果进行验证,说明聚类方法和指标选取的合理性和有效性。