以上依据时间、空间、乘客行为的分析均为基本分析主题。基于公共交通GPS、IC卡刷卡大数据良好的可获取性，可在上述基本分析主题基础上对其进行交叉分类，生成多种交叉分析主题。值得注意的是，交叉分析可以为简单的两两交叉即“1+1型交叉”，还可以在“1+1型交叉”的基础上进一步产生“1+2型交叉”，甚至“2+2”型交叉等。如时间、空间交叉分析（1+1型交叉），可分析高峰时段客流的分布、各区域不同时段的出行分布等。在此基础上叠加出行人群交叉分析（1+2型交叉），可得到各类人群不同时段空间分布情况（见图5.16）。具体可根据分析目标的不同，做相应的交叉分析。

图5.16　多层次交叉分析示意图

①空间分类标准：区域、通道、站点三大基础分类，可进一步细分为无限多的分析区间。

②时间分类标准：早高峰、平峰、晚高峰三大基础分类，可进一步细分为无限多的分析时段。(www.daowen.com)

③人群分类标准：依据IC数据识别可细分为依赖公共交通人群、基本依赖公共交通人群、经常乘坐公共交通人群、偶尔乘坐公共交通人群，老年人群、职业人群、学生人群等基础分类。

上述基本主题的交叉分析，让原本独立的信息实现关联，结合数学模型算法进而产生信息的爆炸式增长，无限挖掘大数据的潜在价值，甚至可由交通分析领域走向城市空间规划、大型开发商业模式定位、公共服务设施选址布局等。

以基于公共交通乘客的城市职住平衡分析为例，通过时间和空间交叉分析公共交通乘客的职住分布情况。具体通过早高峰时段公共交通乘客中工作人群的上车站点默认为乘客的居住地，晚高峰时段公共交通乘客中工作人群的上车地点默认为乘客的工作地，以此为据判断公共交通乘客的职住分布情况（见图5.17、图5.18）。