近年来随着我国城市化进程的不断加快和城市人口的集聚,交通拥堵问题日益突显,交通基础数据采集是解决城市交通问题的重要手段。居民出行调查是把握城市居民交通需求的基本途径,是交通相关部门制定科学的交通管理政策以及编制交通规划方案的重要依据。手机GPS定位技术作为一种新型居民出行调查技术,相对于传统的居民出行调查,其采集的个体出行轨迹数据具有实时性、动态性等特点,也极大提高了调查效率和调查数据质量,因此手机GPS调查具有明显的优势,已经成为国内外学者的研究热点。本文提出利用手机GPS技术采集不同交通状态下的个体出行轨迹数据,然后运用模式识别算法对试验数据进行采集效果评估。首先,本文设计了在畅通状态、一般拥堵、严重拥堵三种不同交通状态下的个体出行试验,提出运用地图网络调查的方法实时获取调查路段的交通状态信息,同时在调查途中记录实际出行日志,为后续的出行信息识别与数据采集效果评估奠定坚实的基础。其次,本文通过数理统计和数据挖掘算法提取了GPS轨迹数据特征,提出运用支持向量机算法对个体出行轨迹信息进行识别,结合支持向量机算法理论以及数学模型,依次对搜索步长、特征参数的选取、模型核函数参数值的优化等研究,从而构建了最优的出行信息识别模型,并运用该模型对不同交通状态下的GPS数据进行识别出行方式,在此基础上提取步行-机动车出行方式的换乘点信息。最后,本文主要对交通方式和换乘点识别误差两方面进行数据效果评估：在不同交通状态下,运用支持向量机算法可以对不同交通状态的步行-公交车-步行组合数据进行精确识别,仅用支持向量机算法对步行-小汽车-步行组合得到的交通方式识别正确率差异较大,但在运用地图匹配算法对结果进行修正之后,最终的识别正确率得到极大提高,此外,研究发现不同交通状态对换乘点识别没有明显影响,相对于传统的居民出行调查,其获取的换乘点误差在合理范围之内。