交通模式是一种用户上下文信息。随着智能化社会的发展,自动判别用户的交通模式具有越来越重要的研究意义,其被广泛应用于交通规划领域和基于位置的智能服务领域。智能终端的发展和普及,使得智能手机具有越来越强大的感知、运算、存储和通信能力,使用用户随身携带的智能手机进行交通模式判别是目前研究的热门话题。当前的交通模式识别研究普遍存在数据来源单一、分类算法适应性差、识别准确率低等问题。本文提出了一种基于随机森林的交通模式识别方法,并且根据该方法完成了基于智能手机的交通模式判别系统的设计与实现,取得了如下成果：第一,针对当前交通模式识别方法中数据来源单一的问题,引入了声音传感器、陀螺仪和公共交通站点位置信息。声音传感器和陀螺仪在此研究领域中较少被使用,实验结果表明两种传感器的加入使得识别准确度提高3.1%至14.7%。公共交通站点位置信息被用于计算公共交通相关特征,为此本文提出了一种用户交通轨迹的获取方法,以及一种基于公共交通站点位置和用户交通轨迹的公共交通拟合度计算方法。公共交通相关特征表征用户乘坐公共交通工具的可能性,可以使识别准确度提高4.2%。第二,针对当前交通模式识别中分类算法适应性差、识别准确率低的问题,提出了一种基于随机森林的交通模式识别方法,随机森林被用于模型构建和特征选择两个过程。本文在样本集上对朴素贝叶斯、贝叶斯网络、决策树、支持向量机共四种单一分类算法和随机森林组合分类算法进行了对比实验,结果表明随机森林算法具有最好的分类效果；另外,通过对比实验验证了随机森林在本文的特征选择研究中优于信息增益法和reliefF法。第三,基于本文提出的交通模式识别方法,完成了基于智能手机的交通模式判别系统的设计与实现。本文的交通模式判别系统,能够识别静止、步行、跑步、骑自行车、乘坐公交车、开车、乘坐地铁和乘坐城铁共八种交通模式,平均判别准确率达到89.8%。该系统不仅能够实现实时的交通模式判别,而且提供了友好的用户接口,判别结果结合地图进行展示,用户历史交通模式信息能够以交通轨迹为单位进行存储和展示。