随着信息化时代的到来,每一个设备、每一辆汽车、每一个人都在创造大量的交通信息,如公共交通出行的刷卡记录、车辆行驶的轨迹数据等,但这些数据之间融合不足、缺乏紧凑有效的组织结构、尚未形成完备的交通知识体系,难以进行深层次的数据挖掘与开发智能应用。因此需要利用人工智能技术来有效融合多源的交通数据,挖掘数据潜在的价值,为城市中的交通出行者提供便捷的服务以及辅助交通管理者进行管控策略的制定,从而提升城市居民的出行质量。知识图谱以图结构对数据进行存储和表达,数据调取速度更快,可实现秒级响应,并可处理复杂多样的关联关系分析,更有利于知识查询。除此以外,知识图谱还具有学习能力,可通过知识推理挖掘隐含知识。因此本文基于知识图谱对城市交通出行大数据进行分析,并进一步将其应用到交通出行场景中。本文主要工作如下:首先,采用自顶向下的方式构建交通垂直领域知识图谱,完成对交通领域内实体和关系的划分,利用知识图谱的模式层实现知识的复用与共享。并将初步构建的城市交通出行知识图谱的数据层存储在图数据库Neo4j中。本文所构建的知识图谱包括城市轨道交通出行知识图谱与城市道路出行知识图谱。其次,利用基于知识表示学习的知识推理模型,补全三元组中缺失的头实体或尾实体数据,并挖掘两个交通实体之间潜在的关联关系,以丰富知识图谱中所包含的知识。如本文实现了城市轨道交通通勤人员的起讫点补全、城市道路交通态势与兴趣点之间的关系挖掘。本文通过链接预测任务验证了推理模型的有效性。最后,基于知识图谱实现交通知识的高效检索,开发面向交通出行场景的智能问答系统,其中基于深度学习方法对自然语言问句进行语义解析,并以可视化的形式展示从图数据库中查询得到的结果。基于知识图谱提供交通出行查询服务,包括基于图算法的最短路径查询和基于出行链相似性的伴随者查询。