大城市复杂的交通网络,支撑着城市居民和物资的流动,其中城市公共交通发挥着基础性作用。城市公共交通一般包括轨道交通、出租车、公交车和新兴的共享单车。但由于城市固有的发展规律,居民的分布和交通网络的分布通常存在不均衡性,造成了出行资源与需求的错配,影响城市的运行效率。这些问题的深入研究需要从城市发展布局和城市出行特征的角度进行。以往研究数据收集相对困难,且滞后性十分严重。因此,本文以居民出行的数据为基础,对城市内居民出行时空规律及组团结构进行了深入挖掘,并结合地理加权的logit回归模型,研究影响居民出行选择的相关因素及其空间差异。研究结果对于城市内交通网络的优化调整,交通资源的合理配置以及交通网络的有效接驳,提供一个新的视角。本论文几个方面的具体研究如下:第一,基于居民四种交通方式（共享单车、公交车、出租车、地铁）的出行数据,对居民出行的时空规律进行了详细的研究。首先分析了四种交通方式的出行总体特征;其次分析了居民出行量在时间和空间维度上的分布特征,其中时间特征主要为居民出行量一天内随时间变化的趋势,而空间分布特征主要包括居民出行量在空间分布上的差异和居民出行距离在空间上的差异。第二,基于居民出行数据,通过流编码模型识别居民出行特征并进行相应的评价。首先分析了复杂网络研究的相关方法,论述选择流编码模型作为基础模型的原因;其次以经典的信息熵理论为基础,对流编码模型的工作原理进行了相关的介绍,根据交通数据的特性,以该模型为基础构建了适用于识别空间组团结构的聚类模型;然后对居民出行的结构特征进行深入分析;最后,建立了居民出行特征的评价指标体系,验证了模型在组团结构识别方面的优异性。第三,从居民出行组团结构产生的原因出发,对交通方式选择及影响因素进行了深入分析。首先是构建模型研究的指标结构;其次以普通最小二乘回归模型（OLS）和地理加权的多元logit回归模型（GWMLR）对居民出行方式选择进行建模拟合分析;然后根据模型输出结果,对其进行了对比分析和评价,得到满足要求的模型及结果;最后根据模型输出的结果,进行了影响因素的特征分析和案例分析,展示了模型及结果的具体实践价值,对城市交通网络的规划和交通资源的合理配置有所裨益。