近年来,随着智能终端的高度普及以及移动互联网的快速发展,基于智能终端的情景感知已成为移动技术领域的研究热点,移动应用向以人为中心的情景感知应用发展已成必然趋势。利用智能终端内嵌的传感设备,可感知用户的实时位置和姿态。在众多基于智能终端的情景感知研究中,对于用户交通方式的识别是核心研究之一。交通模式的识别对于城市交通规划、绿色出行的推广以及个性化推送服务都有很大的意义。当前交通模式的识别所使用的技术一般基于GPS、加速度传感器、GSM或者WiFi,但现存方法普遍存在的问题是能耗过大、适应性和稳定性不足,或者由于分类的特征不够全面而导致的准确率较低。另外,交通方式的识别种类的数量也是现存方法面临的一个挑战。尤其是对机动车的区分,由于机动车行驶过程中路况的不确定性、司机驾驶习惯的差异性等等导致对机动车之间的区分难以得到理想的效果。本论文使用智能手机内置的加速度传感器、气压传感器、陀螺仪以及磁传感器,通过细粒度地分析传感数据,提取出能够全面体现不同交通方式之间差异性的特征。之后分别使用KNN算法构建步行分类器、使用AdaBoost算法构建静止分类器、使用随机森林算法构建机动车分类器、铁轨机动车分类器和非铁轨机动车分类器,并由五种子分类器组合为最终的层次分类器,进而完成用户交通方式的识别。实验结果表明,该方法得到的精确度相比当前主流的基于GPS的识别方法占据一定的优势,而且相比GPS的识别方法,该方法能够避免相对过大的功耗,因而能够更好的服务于现实的应用之中。此外,通过对车辆行驶过程中加减速行为、停车行为、以及拐弯行为的观测,提取出更多有效的特征属性。相比现存的基于传感设备的方法,该方法显著提高了对机动车类别识别的精确度,解决了交通方式识别中一个非常有挑战性的难题。