现代城市交通行为建模及城市交通问题分析都依赖更加大样、精细的个体出行调查数据为支撑。传统居民出行问卷调查存在数据质量低、调查组织繁琐、数据更新周期长等诸多缺陷,长期影响着个体交通出行数据采集效果,据此制定的交通规划与管理方案很难获得预期效果。因此,如何探寻一种更加真实、精确、高效的个体出行信息采集方法成为了交通调查领域的一大关注热点。近年来,随着手机定位技术的发展,手机GPS能够连续采集个体出行时空轨迹信息,有助于全过程还原并反映个体出行特征,为精细化个体出行信息采集带来了空前契机,研究基于手机GPS定位数据的交通信息提取方法,意义凸显。本文提出了一种基于手机GPS定位数据的多模式交通方式采集方法。首先,根据我国居民实际出行特征和习惯,在不同时段、路段设置了全面多样的多模式交通方式组合出行试验,出行方式包括步行、自行车、公交车、小汽车和地铁等;详细分析不同交通方式组合出行手机GPS定位数据特征,提炼了不同交通方式数据差异性的表征指标。其次,探索利用手机GPS定位数据进行个体出行方式识别的整套算法和流程。一方面,构建并应用BP神经网络模型识别步行、自行车、机动车三种出行方式,探索了不同神经网络参数与输入属性对方式识别造成的影响;另一方面,设计了公交站点地图匹配算法进一步识别机动车中的公交车和小汽车,有效解决了公交车和小汽车区分困难的问题,最终所有交通方式识别精度均达到85%以上。最后,论文对基于手机GPS定位数据的交通方式采集方法进行了敏感性评估,客观分析评价了不同采样频率、交通状态等环境下技术可行性与应用效果,给出了算法推广应用建议。本研究通过运用神经网络等数据挖掘手段,对手机GPS采集的个体交通出行特征数据进行深入挖掘,成功对多模式出行方式组合进行方式识别,能够为城市交通需求预测以及交通模型演进提供有效数据支撑。