城市功能区在城市化建设当中扮演着重要的角色，城市功能区建模与分析对于规划城市土地布局和优化土地利用模式有着重要意义。目前在城市功能区建模与分析的研究中，仍存在多模态数据利用率低、关联特征损失大的问题，这导致难以精确捕捉城市空间结构信息。因此，本研究以武汉市中心区域为例，基于街景影像数据和兴趣点数据构建城市功能区识别方法。首先，将研究区域划分为500 m×500 m的格网单元，运用自然语言模型、深度学习、空间插值等方法来提取多维度的城市功能特征；其次，利用核典型相关分析方法提取多模态数据的关联特征，分析不同共享空间维度和相关性的关系；最后，基于建成环境特征、社会经济语义特征、拼接特征及关联特征的多维度特征构建随机森林功能区识别模型，并分别与两种常用数据模态进行对比评价。结果表明，本方法相较于没有顾及关联特征的模型准确度提高了3.4%。研究成果可为政府决策规划、城市发展评估提供帮助，推动城市化建设。