随着4G移动通讯网络的发展,采集频率不断提升的手机信令数据能够更加全面地反映居民活动特征。目前已有较多城市开展了基于手机信令数据的职住人口分布、区域客流交换等中宏观层面的交通现状分析及出行特征提取工作,因缺乏同步对比实证无法对信令数据定位精度及可靠性进行分析,限制了信令数据在个体出行链信息及交通小区出行OD提取等微观层面的进一步推广和应用。传统四阶段法以交通小区出行OD为基础开展交通需求预测,提高信令数据在交通小区层面分析结果精度能够帮助实现需求预测模型定量化与科学化。本文通过开展出行实验同步采集手机信令与GPS位置信息数据,得到与信令数据进行对比的基准数据源。将信令数据与GPS数据按时间一致性进行匹配,得到用户产生信令数据时的真实位置与连接基站所在位置,通过对信令数据特征提取分析,设计出行停留点识别算法,计算识别位置与真实位置的距离误差并对算法有效性进行检验。信令数据定位精度受基站密度影响较大,将采集得到的信令数据按基站密度进行分类,通过计算不同基站密度条件下GPS位置与基站位置的距离,得到用户真实位置与连接基站的距离分布规律并利用函数进行拟合。设计仿真实验根据拟合函数得到不同基站密度条件下的大量仿真信令数据,利用仿真数据分析得到不同基站密度条件下出行端点识别误差的统计规律。交通小区的出行OD量化需要经过出行端点识别和出行端点匹配两个步骤,在端点识别误差确定的情况下,出行端点位于交通小区中心或边缘等不同位置时,出行端点与交通小区的匹配误差不同,当出行端点在交通小区内随机分布时研究不同基站密度条件下出行端点与交通小区的匹配关系,文中给出了基于基站密度计算不同匹配精度所对应交通小区大小的方法,并以匹配精度为90%和95%为例,得到了所对应的交通小区半径并以实际基站布局和道路网边界为基础对研究区域进行了交通小区划分。