随着我国出现新型城镇化重大变革,城市居民的交通活动变得日渐复杂,居民对生活服务质量、幸福感的追求产生了多种交通方式组合的出行模式与多结构的出行目的,对城市交通规划提出了更高的要求。随着3G/4G-LTE新一代移动通信网络的普及,手机数据的精度与广度都得到了细化与拓展,对于原有的手机用户交通出行数据调查与处理产生了新的影响。本文提出构建交通与通信集成的仿真平台,通过改变移动通信网络信令事件频率,使用支持向量机学习算法对定位点间的平均速度估算进行交通出行方式识别,评估通信定位频率对交通方式识别的敏感度。首先,本文根据真实调查数据构建交通仿真模块;总结3G/4G-LTE技术的通信规律,构建基于TDOA算法的通信仿真模块,提取模拟的手机通信定位数据。为手机通信数据处理和交通方式识别提供数据支撑。其次,本文通过拟合定位点出行轨迹来估算点间平均出行速度,获得交通方式识别的速度数据;结合支持向量机算法理论以及数学模型,依次对搜索步长、特征参数的选取、模型核函数参数值的优化等研究,从而构建了最优的出行信息识别模型。最后,本文在不同移动通信网络信令事件频率下,运用支持向量机算法对步行、自行车、公交车和小汽车四种方式进行识别评估,并通过每种交通方式和方式之间的准确率变化来总结交通方式识别的敏感性。研究发现步行和自行车变化较为稳定,且在定位频率降低时仍能保持较高的识别准确率;公交车和小汽车在定位频率较高时准确率就已经降低较快,且两种方式之间难以区分,在3G/4G-LTE通信事件频率较高的情况下仍难满足交通方式识别的需要。