随着高速铁路、航空、城市轨道交通等客运方式的快速发展,衔接多种交通方式的综合客运枢纽在居民的日常出行中占据着日益重要的地位。大规模客流的集散使得综合客运枢纽成为城市交通网络中的关键结点,研究枢纽乘客的出行行为能够掌握枢纽的日常运营情况,分析枢纽对于城市交通的现有和潜在影响,为交通规划者和管理者提供必要的支撑信息。手机信令数据作为一类典型的交通大数据,研究者已经尝试将其应用于居民出行行为分析研究并取得了部分理论和实践成果,然而完善成熟的方法体系仍处于不断探索的过程,尤其是对重点区域和特定群体的研究目前受到的关注较少。基于手机信令数据在出行行为分析研究领域表现出的潜力,论文通过手机信令数据的特征分析、枢纽乘客的识别、枢纽乘客的出行特征分析、枢纽乘客的出行需求分析等多个方面尝试探索手机信令数据在枢纽乘客出行行为分析方面的应用。具体的研究内容和成果可以概括为以下几个部分:首先,论文从手机信令数据的基本概念入手,介绍了GSM通信网络的基本架构和手机信令数据的产生原理,并对手机信令数据的定位原理进行了说明;以实际获取的手机信令数据为例,解析了数据的具体字段组成及含义,通过空间精度和时间精度的分析阐述了数据的基本特征;针对手机信令数据中存在的各类噪声数据,说明了噪声数据的产生原因及数据形式,提出了相应的数据预处理方法;对比分析了包含手机信令数据在内的几类新型位置数据的数据特征,总结了手机信令数据的优缺点以及在出行行为研究中的适用性,并说明了手机信令数据的大数据特性。第二,基于对综合客运枢纽基本概念的梳理,提出了枢纽通信空间范围的识别方法和枢纽乘客的分类识别方法,分别用于从手机信令数据中提取研究范围和研究对象。在研究范围提取方法中,论文定义了时间距离和空间距离的概念,构建了时空距离模型用以度量基站之间的相似性,基于对基站之间相似性的分析构建了一套判断枢纽周边基站是否属于枢纽通信空间范围的方法流程;在研究对象识别方法中,论文对枢纽乘客进行了分类,根据各类乘客的数据时空特征建立了对应的识别准则,实现对各类乘客的具体识别。论文以上海虹桥枢纽作为分析实例,对枢纽乘客的识别结果进行了误差分析,验证了方法的有效性。第三,根据对“电子轨迹”和出行轨迹的对比,指出了从手机信令数据中提取出行轨迹的必要性,论文将出行轨迹分为出行端点和出行过程两个部分,以出行端点识别方法作为出行轨迹提取方法的核心部分,对经典的Asakura方法进行了具体介绍和局限性分析,引入了最小包围圆理论作为出行端点的空间限制条件,建立了改进的出行端点识别方法,利用上海市的手机信令数据验证了改进方法的有效性和优越性。以此为基础,论文提出了枢纽乘客的出行特征指标,并具体分析了虹桥枢纽乘客的出行特征;另外,论文采用了关联规则方法分析枢纽乘客的出行轨迹,建立了一种枢纽TOD模式的评估方法,用以量化评估枢纽开发区对于乘客的吸引能力以及与城市中其他区域的空间联系。最后,结合获取的枢纽乘客的出行轨迹和出行特征信息,论文提出了一种枢纽乘客的出行需求分析方法,包括出行需求模式分析和交通走廊识别;在对枢纽乘客的出行进行研究范围和相关性筛选的基础上,论文提出了出行需求模式参数用以对枢纽乘客在城市范围内与枢纽相关的出行需求的归一化和可视化展示,规避了由于交通小区面积的差异而带来的分析偏差;根据对前人研究方法的介绍和对比,论文改进了一种基于映射模型的交通走廊识别方法以满足研究需求,通过交通走廊的识别展示大量出行需求的具体空间分布特征。论文以虹桥枢纽作为示例分析了枢纽乘客在上海市范围的出行需求模式,识别了与虹桥枢纽相关的两条交通走廊。论文的工作对枢纽乘客的出行行为研究以及手机信令数据在城市交通中的应用进行了探索,将理论研究与实例分析进行了紧密结合,为工程应用提供了理论支撑。