互联网技术的变革、移动通信技术的应用、智能交通技术的成熟,为传统的出行信息调查、出行行为研究、出行需求预测提供了新的思路。本文的研究目的,是希望建立一种方法,能够有效地从利用智能手机定位及相关位置信息所采集到的出行轨迹数据中,提取出出行方式、活动类型等信息,从而提升居民出行调查的效率、降低调查过程中的主观性、减少调查周期和费用,为城市交通规划与管理提供数据支撑和决策支持。本文的研究结合了出行链、模式识别、被动式居民出行信息调查和手机位置服务(LBS)等理论和技术基础。在研究活动链和出行链结构的基础上,建立了出行活动链模式,划分了出行过程子模式和活动过程子模式,并分析了其模式特征,研究了出行活动链模式和出行轨迹之间的对应关系;利用手机定位和传感器模块,结合基于LBS的丰富位置信息的采集思想,构建了出行轨迹数据的采集方法,并且应用了轨迹插值来补全轨迹中的缺失点,采用Kalman滤波来实现轨迹降噪,提出滑窗判别的方法将轨迹划分成出行段和活动段;建立了出行过程子模式和活动过程子模式的特征向量,并给出了从出行轨迹参数向量中提取子模式特征向量的方法,采用频率分布图和F-score的方法对特征向量在两两分类间的可分性进行了定性和定量的分析,进而采用了决策树、BP网络、RBF网络和支持向量机等分类器对样本数据进行识别。最后以大连市为背景实地采集了出行轨迹数据,并利用这些数据应用上述方法进行了实证研究,对于数据补全、滤波、分段、识别等方法的效果进行了评价,结果表明本文所应用的方法对于利用LBS轨迹来进行出行活动链模式识别能够取得较好的效果。