当前经济和社会发展对交通运输提出了新要求,智能交通系统(Intelligent Transportation System,ITS)是交通运输事业发展的必然选择。作为交通运输客运体系的骨干,轨道交通已经逐渐成为居民通勤出行的主要交通方式之一。研究居民的轨道交通通勤出行特征,有助于提高轨道通勤出行效率,增强轨道交通通勤出行吸引力,对改善交通现状大有裨益,是对智能交通系统的重要补充。轨道通勤出行特征的研究依赖于准确、完整的用户出行数据。传统的数据获取以及研究方案具有一定的局限性,手机信令数据具有样本量大、覆盖范围广以及可长期连续监测等优点,在交通领域应用越来越多。本课题依托于“重庆移动大数据公共数据模型开发服务”项目,实现基于手机信令数据的轨道交通通勤出行特征的研究。首先,本文对某运营商提供的志愿者信令数据进行分析,构建地图栅格系统,在此基础上选取出行信令所在基站服务范围能否覆盖轨道线路、信令数据的轨迹与轨道线路是否线性相关以及出行速度与轨道交通速度是否匹配这三个特征,构建了基于手机信令数据的轨道出行识别模型。利用志愿者信令数据对模型的准确性进行验证,识别的查全率为94.1%,查准率为87.3%。结果表明该模型能够有效地对轨道交通出行方式进行识别,与其他算法模型相比应用场景更广。然后,本文利用时间特征对轨道交通出行用户的职住地进行识别,构建了轨道交通通勤出行识别模型,并对目标站点的轨道交通通勤出行用户进行了识别。在此基础上研究了轨道交通通勤出行特征:首先统计了目标站点上下班高峰时段的通勤客流量并与自动售检票系统数据统计的通勤客流进行对比分析,结果显示通过换算后两者误差较小且高度相关,进一步证明了轨道交通通勤出行识别模型的正确性;然后对目标站点的通勤客流在整体客流中的占比以及通勤客流来源站点分布进行了统计与分析。最后,本文在轨道交通通勤出行识别模型的基础上,研究通勤用户接驳出行的辐射区域分布特征以及距离—时间特征,并对目标站点通勤接驳现状进行了相关分析。结果显示目标站点整体接驳状况良好,不过由于公交站点覆盖不均,仍存在部分区域的接驳效率较低。本文通过手机信令数据研究轨道交通通勤出行特征,为现代交通信息数据采集和应用提供新的思路,并且为轨道交通相关规划提供数据支撑,具有重要的意义和实用价值。目前论文成果已应用于某运营商大数据公共服务平台,获得了良好的应用效果。