在人类社会的发展过程中，突发事件常常引发人们生活和行为的急剧变化，并可能对其产生持续性的影响。目前相关研究多为居民出行活动的总体趋势和整体特征，而在细分层面分析出行活动在时空维度上差异性的研究较少，且存在时空维度分离、缺乏整体性的问题。本文以美国旧金山新型冠状病毒感染流行为例，采用共享单车出行数据、兴趣点数据等进行长时间跨度的研究，利用k均值聚类和潜在狄利克雷分配模型，挖掘突发事件前后居民出行时空模式的特征及变化。结果表明：(1)事件暴发后，居民不同目的的出行活动时空模式发生了显著变化，通勤及娱乐出行的比例大幅下降，居民尝试用聚集程度较小的户外休闲娱乐代替聚集性娱乐，生活必需品购买及处理个人事务的出行比例上升，医疗需求大幅增加且该类型出行的早高峰开始时间提前。(2)随着时间的推移，突发事件的影响逐渐降低，人们的出行活动时空模式逐渐恢复至事件前的状态。研究成果可深化对风险和不确定性的认知，建立更全面的时空知识服务体系，为城市管理部门制定合理的应急管理策略提供参考。