近年来城市化进程加剧,在较短时间内城市人口急剧增长,这考验着城市各方面的承载能力,尤其对城市交通提出了更高的要求。交通调查是交通理论研究和技术创新的基石,其中居民出行信息更是重要的调查内容。目前广泛应用的居民出行调查法存在周期长、成本高、数据质量不高等问题,已逐渐不能满足大规模、高频率的居民出行调查的要求。伴随无线通信网络和全球定位系统(GPS)技术的迅猛发展,海量GPS数据的收集和传输成为可能,基于GPS的出行调查法应运而生。该方法是指给受访者配备一个GPS接收器,采集其出行的轨迹数据,通过数据挖掘及语义挖掘技术,智能化的提取数据中所隐含的居民出行信息。本文对基于GPS的出行调查法的研究,围绕从无直接意义的数据中智能提取出行信息。主要提取行程、出行方式和出行目的三类信息,具体如下：(1)行程识别行程识别是出行信息提取的首要步骤。文中通过基于密度的轨迹点聚类获取轨迹的低速区域,也就是受访者可能的停留位置；将低速区域匹配到GIS地理信息系统上,进一步判断低速区域是否为停留。辨识出轨迹中的停留,即找到了行程端点,也就完成了行程识别的过程。(2)基于模糊模式识别的出行方式判别出行方式是出行信息提取的重点。文中针对出行方式模糊性的特点,提出使用模糊模式识别进行出行方式判别。利用主成分分析法确定出特征变量,用以表征行程段出行方式信息；对应步行、自行车和机动车这三种出行方式分别建立隶属函数,用matlab实现模糊模式识别模型的构建,使用模型进行出行方式判别。(3)基于多级空间尺度的出行目的推断出行目的是出行信息提取的难点。文中利用地理学中多级空间尺度理论,在不同级空间中分析GPS轨迹。着重剖析轨迹的微观活动,从轨迹停留中进一步辨识子停留。挖掘子停留的语义信息,用轨迹点特征参数(时长、速度、转角)对信息进行量化。在大量数据统计结果基础上构建判别信息库,将子停留信息与判别信息库中阀值进行比对,得知子停留活动类型,继而获知出行者的出行目的。