城市居民出行过程中可选择的交通出行模式各异，掌握出行模式大数据，能够为实施有效的交通控制和诱导来缓解道路交通拥堵、提高交通管理服务水平提供决策依据。在众多出行模式中，机动车出行产生的污染物排放是整个城市污染物的重要组成部分，但是车辆行驶工况受到不同道路交通状况的影响，具有时空差异性，因此估计不同道路交通情况下的机动车污染物排放尤为重要。本文依靠智能手机移动传感技术以及各种嵌入式传感器的环境感知能力可以实时获取交通微观信息，基于机器学习和数据挖掘技术，分析处理智能手机用户群的传感数据集合，对基于智能手机的交通出行模式辨识和不同道路服务水平下机动车排放估计进行研究，提供辨识和监测用户、车辆、道路三者交通状态的便捷且精确的方法。　　首先，进行交通出行模式辨识。利用智能手机内嵌的GPS和加速度计传感器设备，通过智能手机交通数据采集程序收集出行者的轨迹数据，以用户速度、加速度作为分类特征值，利用决策树作为监督分类算法进行交通出行模式（步行、骑单车、搭乘公交、搭乘出租车）辨识，建立交通出行模式辨识系统。本文采用了一种重力估计的方法修正加速度特征值，基于采集的用户数据对系统辨识效果进行评价，对采用加速度修正方法和不采用加速度修正方法的出现模式识别方法进行对比，验证了加速度修正方法对提高出行模式辨识准确率的有效性。　　其次，建立了城市道路服务水平分类系统。根据车辆的行驶工况特征，将不同道路交通状况划分为对应的城市道路交通服务水平，利用决策树算法作为分类算法，提出了一种以车辆运行速度、加速度共同作为分类特征值的城市道路服务水平分类方法。以北京市为例，利用智能手机交通数据采集程序收集实际道路车辆行驶轨迹数据，将不同时间、道路的不同交通状况聚类划分，形成北京市城市道路服务水平分类系统，为机动车动态污染物排放估计提供依据。　　最后，基于城市道路服务水平分类系统，进行机动车污染物动态排放估计。针对排放因子在实际道路交通状况下存在的时空差别，提出了一种基于城市道路服务水平分类系统进行机动车污染物动态排放估计的方法。利用实际道路车辆行驶数据，结合VSP模型，估计不同道路服务水平下的机动车污染物排放因子与排放清单，分析了机动车污染物动态排放估计方法的稳定性、可靠性和操作性，以实际道路实验证明了该方法的有效性与鲁棒性。