随着城市不断发展,机动车保有量逐渐增加,交通状况日益恶化。如何更为精细化地刻画出行特征和交通需求,成为摆在交通管理者面前的重要问题,其中通勤行为是交通出行的主要需求之一,特别是在早晚高峰期,是交通量的主要构成。而恶劣天气同样也是交通拥堵的主要诱因之一,因此本文以车牌识别数据为基础,以分析两种情况下的出行特征。本文通过分析车辆的出行轨迹,识别出不同的出行模式,进而对其中的通勤行为准确地了解。同时城市恶劣天气对于路网的通行能力影响较大,如何通过数据准确地计算出其通行能力折减,对于交通管理者有着重要的指导作用,因此本文的主要研究内容如下:(1)通过对车牌识别原始数据的分析,对异常数据进行了预处理,并且利用箱线图法对于数据质量进行评估,得到各点位的实际数据完整性。(2)研究了基于车牌识别数据的机动车出行轨迹获取方法,通过相应的算法进行出行链打断,并根据历史交通状态的变化(通过编写网络爬虫,获取历史交通状态)确定动态阈值,而后对驻留时间阈值的选取进行敏感性分析,提取出车辆的OD,进而获取出车辆出行主要的驻留点。(3)研究了基于车牌识别数据的通勤车辆识别方法,通过提取车辆出行的驻足点,以及第一次出行最大概率点等指标,运用K-Means++聚类的方法进行数据挖掘,并通过BIC信息准则确定聚类数量后,识别出不同出行模式的车辆群体,并确定出通勤车辆的比例,最后以贵阳市数据为例,阐述了算法的应用方法。(4)分析了雨天条件下,车辆行驶的主要交通参数变化,分析降雨对于车辆行程速度、交通需求、车头时距的影响,同时通过宏观基本图刻画出路网通行能力的大小,并计算出降雨对于路网通行能力的影响大小。