随着智能手机不断普及，交通模式识别已经成为情景计算的热门研究领域。作为理解用户移动性的核心组成部分，准确识别不同的交通模式，将对许多研究领域产生重要影响。首先，用户的交通方式信息适用于出行行为研究领域。根据用户的日常交通方式，可以发现用户的行为，从而进行个性化推荐，协助计算用户的碳排放量，倡导绿色出行等。其次，交通方式选择对交通规划影响很大。准确识别交通模式，有益于城市交通状况监控和个人户外活动跟踪。　　目前交通模式识别技术已经得到国内外广泛的研究，主要包括基于GPS和基于加速度、地磁等交通模式识别技术。基于GPS的交通模式识别技术利用用户的GPS轨迹信息进行交通模式识别，取得较好的识别准确率，但是GPS信号需要卫星信号的无阻视角才能获取，在地铁、高楼等卫星信号遮蔽环境下无法使用。基于加速度、地磁等交通识别技术，识别准确率还有待提高，机动交通模式的准确划分仍然是一个很大的挑战。　　本论文结合国内外交通模式识别技术相关研究，提出一种交通模式识别方法。该方法基于加速度、陀螺仪、地磁和气压等低功耗传感器，对静止、步行、汽车、地铁、公交和火车等交通模式进行有效区分。本论文的主要工作如下:　　(1)由于手机的传感器数据容易受到用户动作干扰，以及机动车辆运行中因等待红绿灯、进站等原因产生的静止数据，降低了分类器的泛化性能，因此，本论文提出一种交通模式数据预处理方法。利用重力变化去除交通模式识别数据中由于用户交互引入的脏数据，为了进一步提高分类准确率，本论文研究使用单类支持向量机和孤立森林等异常点检测算法去除交通模式识别数据中夹杂的部分静止数据，并通过实验验证该方法的有效性。　　(2)由于加速度、地磁等传感器为三轴矢量传感器，手机各种使用姿势产生不同的载体坐标系，针对这种情况，本论文通过重力方向估计对加速度传感器数据进行分解，提取载体坐标系无关的加速度水平分量和垂直分量。为了提高分类器的分类性能，本论文提取反映交通模式运行状态的统计特征以及反映不同交通模式运行状态的语义特征，提高交通模式识别的准确率。　　(3)最后，基于上述数据预处理和特征提取方式，本论文提出一种基于层次分类器的交通模式识别系统。该层次分类器使用加速度、陀螺仪、地磁和气压传感器的数据，区分静止、步行、汽车、地铁、公交和火车等交通模式。本论文设计相应的原型系统，通过大量的实际场景对该系统进行测试，实验结果表明该系统达到89％的平均识别准确率。通过进一步功耗测试，该系统功耗较低，对手机电池影响较小，能满足实际系统需要。　　本论文通过大量的数据对上述方法进行仿真测试，实验结果表明，本论文提出的方法可以有效区分不同交通模式，优于其它的交通模式识别方法。