随着城市化和机动化进程的加快,居民的出行特征和出行规律正不断发生变化。分析城市居民的出行特征和规律能为交通规划、城市管理以及居民出行提供参考和指导。另外移动定位和无线通信等技术的发展使得利用GPS信号和手机信令等数据来获取居民广域出行信息的方法成为研究热点。手机信令数据产生于移动通信网络中,用来记录移动端与基站之间的通信,隐含着用户的位置信息。和GPS数据相比,它具备更广的覆盖范围和更多的用户体量,更容易从宏观上反映用户整体的出行特点,因此本文利用信令数据来对居民出行方式的挖掘进行研究。然而当前利用信令中的位置信息进行出行分析的方法中,信令的预处理、轨迹切分和出行特征的计算等方面存在不足,无法满足应用场景的精度要求,有必要研究一种针对手机信令的轨迹切分方法和出行方式识别方法。本文提出一种基于手机信令的出行方式识别方法。本方法分为轨迹生成和出行方式识别两个阶段。首先轨迹生成阶段设计时空阈值筛选法识别和处理由基站分布不均和地形差异等因素带来的“乒乓切换”和“数据漂移”等异常情况;然后通过特征分析方法识别出信令中表示“停驻”和“换乘”的关键点,并利用这些关键点对出行轨迹进行切分,使得一条轨迹能被切分为多条代表不同出行方式的子轨迹。在出行方式识别阶段,通过引入路网来约束轨迹的距离,改进特征值的计算方式,以解决由蜂窝定位导致的定位精度不高的问题;然后通过特征值的计算生成用户的出行特征数据集,并利用无监督学习的方法对特征数据集进行聚类分析;最后结合原始轨迹数据分布特征来识别出各类簇所代表的出行方式。本文利用实际用户手机信令数据集对提出的方法进行实验验证。实验结果表明,该方法能够依据手机信令数据有效地识别用户的出行方式。在轨迹生成阶段能准确识别原始手机信令数据中的异常情况,能够准确识别出关键点。处理后的轨迹在不影响用户出行特征的前提下更加平滑、清晰,并且切分生成出的子轨迹合理。在出行方式识别阶段,利用路网约束能够更加精准地提取出行特征值,识别出的出行方式合理且有效。