高速的城镇化进程是我国经济建设和工业化的重要成就,但城市的扩张、城市人口的增长、汽车保有量的上升使交通拥堵逐渐成为了当代城市的重要社会经济问题。城市合理布局、道路规划与建设、交通政策的制订与实施是当前解决交通拥堵问题的主要手段。居民的活动安排和出行模式决定了交通需求,会对交通系统状态产生重要影响。研究人们的活动安排与出行方式,归纳和总结人们的活动/出行行为特征与规律,能够为提高运输效率和服务水平提供理论支持,是城市布局、道路规划与政策制定中不可或缺的关键环节。传统的居民活动/出行行为分析主要基于人工的交通调查数据,调查效率低,样本数量少,数据质量差,依据这些数据所建立的数据模型可靠性不高,制定的交通政策和道路规划效果不好。随着技术的不断发展,道路摄像、车载或便携的GPS设备广泛应用,然而,随着近年来交通研究进一步向微观领域延伸,对个体居民活动链进行精细研究时,依赖于上述电子设备的交通调查方法仍然无法满足研究需求。本文针对上述问题,以近年来快速普及的智能手机平台为基础,面向通过智能手机获取的大规模GPS轨迹数据的新特征,设计了基于机器学习模型的居民多日活动链节点识别方法、活动链节点属性判别方法和居民多日活动/出行行为分析方法。本文研究主要包括以下几个方面:(1)研究了基于智能手机的居民活动/出行数据获取与预处理方法。智能手机近年来迅速普及,其天然性质保证了其方便携带、不易遗忘、始终开机,同时,智能手机具有强大的交互与计算能力,能够同步完成自动的GPS轨迹调查与活动链信息获取,显著减轻调查者与志愿者的负担、大幅提高调查结果的准确性。本文充分利用智能手机的上述优势,设计了基于智能手机的居民活动/出行数据的调查与获取策略,开发了基于i OS及Android平台的GPS轨迹采集应用,开发了在线的PR(Prompted Recall)调查工具,分析了获取到的大规模居民活动/出行数据,提出了符合智能手机活动/出行轨迹数据特点的预处理方法,并总结了智能手机所采集的大规模活动/出行轨迹数据清洗的原则。(2)研究了GPS轨迹数据驱动的活动链节点识别方法。从大规模GPS轨迹数据中挖掘居民的活动/出行行为的各类属性、构建居民多日出行活动链,是基于大规模GPS轨迹数据进行居民活动/出行行为研究的必要前提。而构建“活动链”的第一步,则是有效识别活动链节点,即从连续、无状态的GPS轨迹数据中,划分和标注被调查对象分别处于“活动”和“出行”两类状态的轨迹点。本文以数据驱动的方法直接从大量样本数据中分析活动状态GPS轨迹点数据与出行状态GPS轨迹点数据的区别。首先计算了每个轨迹点的聚集程度、速度分布、方向变化等特征,然后基于随机森林模型进行活动轨迹点-出行轨迹点的二元分类,并对分类结果进行实证分析。(3)研究了基于GPS轨迹数据的活动链节点属性识别方法。仅知道被调查对象在特定的时间区间和地理范围的活动/出行状态,仍然不能直接用于下游居民活动/出行行为研究。在大数据时代,这些活动或出行具备什么样的属性和特点,反映了被调查对象的什么习惯和意图等等问题,人力调查难以胜任。这些活动链节点的属性信息也需要从大规模的GPS轨迹数据中分析得出。本文探讨了活动链节点属性识别的主要问题,通过GPS轨迹数据计算了每项活动/出行内部的速度分布、驻停次数、轨迹分布范围等特征,基于支持向量机模型对出行方式和活动内容进行识别,并对识别结果进行实证分析。(4)基于结构方程模型分析了居民多日活动/出行时间分配模式。随着城市建设的日益完善,改善交通状况的措施逐渐从交通基础设施的建设转变为出行需求管理的政策。在居民多日活动链信息的基础上,深入分析居民多日出行行为的规律,了解人们活动/出行时间分配机制可以帮助交通管理部门预测出行需求和评估运输政策。本文考察了个人多日出行行为的数据,深入研究人们多日出行时间分配的变化,使用方差分析直观地描述居民在活动和出行行为中的时间分配,通过多组结构方程模型来建模分析被调查对象的社会经济属性与多日出行时间分配的关系。本文研究工作的主要创新之处在于:(1)在基于智能手机获取大规模GPS轨迹数据的基础上,提出了符合智能手机活动/出行轨迹数据特点的预处理方法,并总结了智能手机所采集的大规模活动/出行轨迹数据清洗的原则。(2)提出了GPS轨迹数据驱动的活动链节点识别方法,该方法能够尽可能减少研究者的主观干预,归纳和体现大量样本数据本身的特征,更多通过从数据中挖掘出来的知识,而不是仅仅是依赖于传统经验进行活动链节点识别。(3)提出了基于支持向量机模型的活动链节点属性识别方法,把出行方式识别与活动内容识别统一于同一框架,为下游居民活动/出行行为分析奠定了坚实的基础。(4)通过详细统计和对居民多日活动/出行时间分配建模分析,发现具有普适意义的衡量居民多日出行的“典型日”并不存在,从而证明了本文通过多日出行数据研究居民的活动/出行习惯与规律,是居民出行行为研究必然的发展方向。本文的研究成果能够充分发挥居民活动/出行轨迹大数据的潜力,更客观地挖掘个体居民的活动链信息并进行精细分析,从而极大推动居民活动/出行轨迹大数据在城市布局、交通规划、道路建设、政策制定和实施等方面的应用。