移动互联网、地理空间信息技术、基于位置的服务（Location Based Service,LBS）以及智慧交通技术的发展,为获取城市居民出行活动信息、进行出行活动行为分析提供了新的数据和理论支撑。本文希望构建一种有效的方法,便于将基于位置的社交网络理论体系,应用于居民出行活动行为分析中。通过从LBS轨迹数据中从多维度挖掘居民日常活动类型、出行交通方式等模式结构,从而为城市的交通规划和管理决策提供参考。本文综合应用了出行模式识别、位置服务社交网络LBSN、个体出行活动链、个体出行时空分布等理论基础。在研究城市居民日常出行和活动的基础上,构建了基于LBSN层次网络的三种模式层次,并分析了空间位置、时空活动、出行活动链三个角度的模式特征。利用个推SDK轨迹数据,并结合LBS位置数据定位采集原理,构建轨迹数据的清洗算法。将城市居民的日常行为划分为驻留阶段和出行阶段,利用基于密度网格的CLIQUE空间聚类算法,识别空间中的驻留区域,根据静止条件判别识别轨迹中驻留状态的点,并结合POI功能属性匹配驻留点的活动。对于居民活动的序列结构,利用主题生成LDA模型,发现以功能为主导的“活动对”之间的12种模式。基于JS散度计算两两居民活动链的相似性。利用时空路径和时空棱镜的方式表示时空维度下的个体出行活动,并使用压缩线性参考技术CLR方法进行降维的时空表示。分析了个体时空活动在时空、活动类型、交通网络限制下的可达性,并得到ICT技术辅助下个体活动时空交互的四种模式及其表现。在个体单日完整出行活动链结构中,基于单次的出行构建了四种出行模式。利用EDR轨迹相似度度量方法对比个推SDK轨迹数据和高德地图的路径规划API生成路径,得到轨迹对应的路径和交通方式,准确度大于70%。从而从轨迹数据中识别出完整的出行活动链及其相应阶段对应的活动和交通方式。以深圳市为背景,利用基于LBS位置信息的个推SDK轨迹数据做为数据基础进行实证分析。通过对原始数据进行数据清洗和可视化等方法预处理,并将其应用于驻留点识别、活动链模式识别、个体全日出行活动链识别等,并进行了相应的评价。结果表明本文所应用的LBSN层次研究方法对使用LBS轨迹数据进行出行活动模式识别有较好的表现。