居民出行调查是城市交通规划与管理工作的基础，其获取的出行活动信息是交通问题诊断、交通系统规划以及交通管理政策制定的重要参考依据。随着科技的发展和城市化进程的不断加快，城市交通系统的规划和管理对居民出行信息的需求越来越大，同时也从细节性上对基础出行信息的获取提出了更高的要求。传统的居民出行调查主要采用人工调查的方法，包括入户问卷调查和电话调查等，这些方法的实质都是受访者对行程的回忆和主观认知，对受访者有很大的依赖性，因此不可避免地存在受访者负担重、回应率低和调查准确性差等问题，更无法提供交通建模所需的出行路径选择等信息，可见传统的出行调查无论从受访者的角度还是数据本身的精度及数据量都已不能完全满足当前各项管理和研究的需要。近年来，GPS设备凭借其快速、准确地记录空间位置、瞬时速度和方向值等属性信息、获取海量出行轨迹数据等特点，在居民出行调查中的应用日益广泛。虽然应用GPS的出行调查在一定程度上解决了许多一直困扰传统调查方法的难题，但同时也对轨迹数据的挖掘方法及如何从轨迹数据中提取出行信息提出了巨大挑战。对该问题的解决，不仅革新了出行调查技术，而且为行为学等研究提供了数据支撑。因此，研究GPS轨迹数据的挖掘方法和出行信息提取方法具有重要的实用价值和现实意义。本文主要研究GPS出行调查数据的处理分析和出行信息的提取方法。基于改进的静止点法，提出基于连续数据段的状态识别方法，设计由划分状态段、识别活动、识别出行和识别中途驻停四个步骤组成的出行-活动的整体识别算法，从而生成日活动链。与纸质调查填报出行信息相比的误差计算结果表明，所设计的算法具有较高的识别精度，可以实现出行、活动及中途驻停的整体识别，可以有效解决传统出行调查中出行、尤其是短时驻停漏报的问题。其中对于短时驻停活动--中途驻停的识别是本文的创新之处。本文提出的GPS数据的出行-活动识别算法是进行出行识别的有效方法，其研究成果可用于基于GPS出行调查的数据处理分析和出行信息提取，对于提高出行数据调查精度和调查效率，促进城市交通系统的健康发展具有重要意义。