居民出行调查是反映城市居民出行特征、制定城市交通规划方案和交通发展策略的基础性调查工作。随着网络及智能设备的普及,基于智能手机的居民出行调查开始作为对传统居民出行调查的辅助与补充调查。然而利用智能手机开展出行调查,其调查数据的质量往往较难保证,特别是样本偏倚引起的样本代表性不足,导致调查结果无法反映实际的居民出行特征,必须采取有效的加权扩样方法对有偏样本进行修正。本文首先对基于智能手机的出行调查数据的采集原理进行介绍,并针对该调查方式导致数据质量下降的问题进行深入剖析,探讨了控制调查数据质量的必要性。其次,从数据处理的角度出发,提出了基于先验知识和密度的异常值检测算法,对出行调查的异常数据进行清洗。随后,重点介绍对有偏样本的修正方法,并在分析当前扩样方法局限性的基础上,引入空间微观模拟的方法对出行调查数据进行加权扩样,并对不同方法的扩样结果精度进行比较。接着利用居民出行调查一般的校核及分析方法,对加权扩样后的调查数据进行校核,并对校核结果分析了居民出行特征。最后,以2016年深圳市的居民出行微信调查数据为例,利用上述方法对调查数据质量控制及数据扩样进行了实例分析。研究表明,对比一般的扩样方法,利用空间微观模拟方法对调查数据进行加权扩样,能够有效提高扩样结果的精度,为调查数据的加权扩样提供了新的思路与实践可行性。论文成果已运用于深圳市的居民出行调查中。