通勤出行者是公共交通服务的重要主体，其出行特征的准确掌握是公共交通体系构建、公交线网评估与优化，公交出行需求辨识，以及公共交通优先发展等政策制定和措施实施的基础。另一方面，随着智能化公共交通系统（APTS）的实施，公共交通数据采集技术快速发展，积累了不同类型的海量公共交通运行数据，如IC卡刷卡数据、公交GPS定位数据等，这些数据记录了公交车辆运行时空轨迹，刻画了乘客乘坐公共交通的出行过程，为公共交通出行特征的提取奠定了良好的数据基础。但是，如何有效地关联匹配各类海量数据的，提取挖掘公共交通通勤出行特征，还缺乏一套完整的方法体系。本文从公共交通刷卡数据、公交GPS定位数据、公交线路基础数据及轨道交通静态基础数据等不同数据源的数据分析入手，以再现出行者的公共交通出行轨迹为目标，提出了多源数据关联匹配方法，完成了出行特征提取的数据准备。论文在全面回顾出行链概念的基础上，提出了“公共交通出行链”的定义，通过引入出行阶段的概念，实现了在传统出行链基础上，公共交通出行过程的细化表达。在明确了出行链信息构成和多源数据准备的基础上，论文提出了公共交通通勤出行链提取的“四阶段”法，即出行链结构的提取、通勤出行行为的判别、出行阶段起讫点时空信息匹配、以及出行阶段行程距离和时间匹配计算。论文详细构建了每个特征提取阶段的处理规则和方法流程，并确定了基于不同出行阶段连接类型特征的换乘关系判别阈值，提出了基于出行链结构相似性的通勤出行刷卡数据的鉴别方法，以及利用公交到站时间、站点空间位置关系和通勤规律特征解决了公交上下车站点匹配的关键技术问题，实现了公共交通通勤出行链信息的完整提取。论文选取了部分实际被试出行者，对提取模型进行验证，结果表明模型具有良好的准确性。论文最后，利用连续五个工作日的北京市公共交通多源数据，完成了指定日的公共交通通勤出行特征提取，并分析了出行者刷卡次数分布特征、通勤出行链结构特点、通勤出行距离与时间、及换乘特性等基本指标。案例分析表明公共交通通勤出行链信息提取模型在实际应用中具有良好的适用性，能为公共交通出行的时空特征获取，公交运行评价和服务改善提供有针对性的决策数据支撑。