城市化进程的快速发展，传统依靠人工调查手段获取数据的方法，已经无法满足现代交通运行管理的需求。随着交通信息化建设的逐步完善，越来越多智能化信息采集手段可以为交通管理决策提供支持。手机目前已经成为广泛使用的移动通信工具，利用现有的话单数据（TDR/CDR: Transaction Detail Records/CallDetail Records)实现Cell-ID定位，记录用户连续出行轨迹，实现对用户出行全过程的追踪。相对于其它数据源，移动通信定位数据具有获取成本低、样本量大、覆盖面广、数据的实时性强等优点。毫无疑问，作为一种信息技术下的新型的数据获取手段，基于移动通信定位数据的分析应用，能够提供从宏观到微观的海量丰富数据支持。尽管前景光明，但是，在目前的发展阶段还存在一些问题：1)大部分理论研究成果在仿真或Cell-ID主动定位的理想环境下进行，而在实际网络环境下要大规模实现此类数据的采集难度较大；2)在交通出行参数方面的提取精度还有待提高，受限于Cell-ID定位精度、数据上传规则的影响，定位数据具有无固定发生周期、发生时间间隔大等特征，给数据的应用带来较大困难；3)缺乏有效的路径匹配方法，严重阻碍其在交通运行状态监测方面的应用；4)缺乏在交通需求时空分布方面的研究，目前国内外对移动定位数据的应用仍集中在传统交通出行、交通运行状态等方面，而移动定位数据在时间与空间上的特性有待进一步挖掘。在此背景下，本文分析了移动通信定位数据的特征，提出交通信息提取及分析方法。首先利用移动通信定位数据，提出采用改进的模糊模式识别方法进行用户就业地和居住地识别。以多扇区加权平均中心点替代单扇区，表征用户真实就业地和居住地位置，有效解决了移动定位数据更新时间间隔大，更新周期不固定，乒乓切换等问题。以人口普查数据和经济普查数据为基础，进行方法精度验证，结果表明，此方法具有较高的实用性。通过研究地铁乘客的通信事件发生规则，提出一种利用手机正常位置更新规则计算地铁乘客出行路径的方法；针对通信事件数据存在缺失的情况，提出基于正常通信事件（电话主叫、被叫、收发短信）数据的路径修正算法；以北京市轨道交通网刘家窑站点集至灵境胡同站点集为起讫点，通过人工意向调查数据的方式，对方法可行性进行了测试分析，结果表明，该方法计算结果路径与人工调查结果较接近，认为方法具有较强的可行性。针对移动通信定位数据路径匹配难的问题，研宄了用户在道路上运动时的数据特征，提出LAC (Location Area Code)序列路径匹配法，在此基本上，建立道路交通运行速度估计方法，解决高离散性、不均匀性的移动通信定位数据路径匹配问题，并和传统的切换数据法进行优劣比较。最后，通过浮动车GPS (GlobalPositioning System)数据对两方法精度的进行验证，结果表明LAC序列法具有更高的精度。提出了基于移动通信定位数据的交通需求时空分布分析方法。利用移动定位数据的轨迹追踪特性，分析轨道出行用户就业居住地分布规律；引入Momn’s I(莫兰指数)，研究人口流动状态下的时空特性表征方法，以北京市CBD区域的人口为对象，进行方法测试，结果表明该方法能较好反应人口在时间空间上的变化；基于前景理论模型，建立了公交&轨道出行路径选择模型，以移动通信定位数据和人工调查数据为依据，对模型进行了检验。本论文系统分析了移动通信定位数据特性，总结国内外在此领域的研宄应用情况，提出城市人口就业、居住地识别方法，城市轨道出行路径识别方法，道路交通运行速度估计方法，交通需求时空分布分析方法等。本文研宄成果为现代交通信息数据釆集和应用提供新的思路，为交通规划管理人员提供更丰富的数据支撑，为交通规划理论模型提供新的研究方向。