建成环境与交通系统的协调发展是从根本上缓解交通问题、提升土地利用效率的前提,是促进城市健康可持续发展的关键,也是城市规划的重要内容之一。城市土地利用与交通系统协调关系、交通需求与交通供给矛盾、建成环境对交通系统的影响等问题一直是交通领域的重要课题。当前我国正在推进大规模城镇化建设和交通新型基础设施建设,为研究建成环境与交通系统协调发展提供了良好契机;以“多规合一”、“一张蓝图干到底”为主要原则的新国土空间规划为研究建成环境与交通系统协调优化提供了重要的实践机会;大数据分析技术的日益成熟及交通地理信息数据精度的提升,为深入研究建成环境与交通系统协调关系提供了技术支撑。在此背景下,本文基于车辆GPS轨迹、交通事故、兴趣点（Point of Interest,POI）等丰富的交通系统和建成环境大数据,围绕建成环境与交通系统运行状态关系,对空间单元尺度确定、建成环境对交通系统运行状态的影响、两系统协调评价与优化等关键问题开展研究,主要研究内容如下:（1）以构建全面、多维、精简的建成环境指标和交通系统运行状态指标为目标,提出了5Ds维度下基于多源空间数据的建成环境指标计算方法,基于土地利用数据、POI数据、Open Street Map数据、建筑轮廓数据等多源空间数据,对建成环境进行了精细化表征;借鉴土地利用与交通系统协调发展和面向交通系统综合评价的交通系统指标体系,结合本文研究的空间单元特色、数据特征,并考虑行业应用实际情况,构建了反映建成环境与交通系统运行状态协调关系的指标体系。（2）针对因空间单元选择不同造成的建成环境对交通系统运行状态影响结果不稳定的问题,提出了空间地理数据建模中的变量和模型参数双层可塑性面积单元效应分析方法。通过对人口密度、土地利用混合程度、交叉口密度、公交近邻性、商圈可达性等变量空间自相关和共线性检验,及对地理加权回归模型参数估计值波动分析,实现了对可塑性面积单元问题的检测。提出空间单元多目标优化方法,实现了空间单元的优选。（3）为精准表达建成环境对交通系统运行状态影响的空间异质性,提出了空间近邻关系的深度神经网络表征方法,实现了直角空间、地理拓扑空间两维近邻关系的非线性融合计算。构建了地理空洞卷积神经网络加权回归模型（Geographically Atrous Convolution Neural Network Weighted Regression model,GACNNWR）,建立了空洞神经网络训练框架,突破了传统地理加权回归模型空间度量单一、核函数可选择性弱、带宽统一的局限。以济南市为例进行试验设计与模型分析,结果表明GACNNWR模型够更精确的表达地理近邻关系,提升对建成环境与交通系统运行状态影响关系的拟合能力。（4）为合理评价建成环境与交通系统运行状态的协调性,利用GACNNWR模型的回归系数约束建成环境指标权重,相关系数约束交通系统运行状态指标权重。基于C~2WH模型建立相应的偏好约束锥,构建了改进的数据包络模型（Data Envelopment Analysis,DEA）,有效约束了交通指数、交通事故数、交通舒适性等指标的权重。针对非协调有效的空间单元,以实现建成环境与交通系统运行状态协调为目标,利用实际指标与协调状态下指标值的距离提出改善方案,实现了对不协调因素的精准锁定,提升了协调评价优化的可实践性。本文分析了建成环境与交通系统运行状态的互动关系,降低了可塑性面积单元问题对研究结果不稳定性的影响,揭示了建成环境对交通系统运行状态影响的空间异质性,提出了两者协调评价优化方法,为进一步提升城市的协调可持续发展水平、改善城市交通系统的运行质量提供理论参考和技术支持。