近年来,城市进程化的加快促使城市内机动车的数量快速增长,引发了日益严重的交通问题,阻碍了城市建设的健康发展。依据居民出行调查数据及分析结果制定合理的交通规划方案和管理政策是解决城市交通问题的一项重要举措,因此获取合理的居民出行调查数据成为其中的一个重要的环节。传统的居民出行调查方法主要依赖于人工调查,受被调查者的主观认知影响较大,存在信息漏报、错报等情况,并且无法获得出行者的出行路径、位置等具体出行信息,其调查的数据量以及数据精度已经无法满足当前交通领域研究及各项工作的需要。GPS设备因其携带方便及准确记录出行时间、位置、瞬时速度等优点,正被广泛应用到居民出行调查中。它在一定程度上避免了传统调查的一些弊端,但也对GPS数据处理分析及出行信息提取工作提出了巨大挑战。出行方式识别是出行行为分析研究中的一个重大课题,而公交车和小汽车由于运行特性较为相似,区分难度较大,因此,研究识别公交车和小汽车的方法对基于GPS数据提取出行方式及其他出行信息和分析居民出行特征具有重要意义。本文主要研究基于GPS调查数据识别公交车和小汽车的方法。基于规则分类和机器学习算法,结合GIS信息,同时考虑交通状态对识别结果的影响,分别研究非拥堵状态和拥堵状态下两种方式的出行特征,提出了公交车和小汽车的方式识别方法。首先结合公交线路、公交站点以及道路网等GIS信息设计算法提取运行轨迹类特征参数及速度类特征参数。其次依据经验及两种方式的出行特征分析结果,设定规则识别公交车和小汽车。同时建立分类支持向量机模型对公交车和小汽车进行识别,并对比分析了两种方法的识别结果。将识别结果与实际出行信息进行对比,结果表明基于机器学习算法的识别精度更高,且非拥堵状态的识别精度优于拥堵状态。最后对两种方法的可转移性进行验证,证明两种方法都有一定的可转移性,且利用机器学习算法识别公交车和小汽车的方法的可转移性更好,适用性更强。研究表明,本文提出的基于GPS数据的公交车和小汽车识别方法是可行的、有效的,是对出行方式识别研究的一种补充。其研究成果可以应用于基于GPS数据提取出行信息和分析居民出行行为的工作中,可以提高数据调查的效率和数据质量,对于更好地推广GPS技术在居民出行领域中的应用、降低能源消耗、促进城市交通系统健康可持续发展具有重要意义。