城市综合客运协同发展是满足多层次的运输需求及社会可持续健康发展的基础,通过对综合客运协同发展情况进行调查和评估,目的在于寻找影响多方式交通融合联动的因素,挖掘制约协同发展的症结,为改善或重新制定管理和规划措施提供数据基础,影响居民的出行行为,在有限的资源下尽量确保交通供给与居民出行需求相协调。对城市综合客运的协同状况进行评估,首先需要掌握和洞察城市综合客运的运行状态,即居民日常出行的特征。同时,对居民出行特征的研究需要其出行活动链的特征即个体出行信息为基础。本研究以个体出行的手机GPS轨迹数据为基础,分两阶段开发面向综合客运协同评估的个体出行链信息提取算法。首先利用集成学习的方法识别个体出行过程中的换乘行为/换乘点,在此基础上,提出基于注意力机制的循环神经网络与卷积神经网络相结合的深度学习架构,简称ABLCNN,识别自行车、步行、小汽车、公交车4种地面交通方式。研究结果表明,本文提出的方法具有较高的稳健性和识别率,为下一步研究工作的开展奠定了技术基础。