随着移动互联网的普及,各种有关移动互联网的应用蕴含着巨大的商机,交通模式的自动判别显而易见在交通规划领域和LBS(基于位置的服务)领域拥有着广阔的应用价值。现阶段的智能手机拥有越来越强大的功能,通信不再是手机的唯一功能,智能手机的强大在于其不仅拥有通信功能,还有强大的感知、运算和存储能力,但是在当前有关基于智能手机的交通模式识别研究中,单一的数据来源难以使交通模式识别算法有很好的适应性的,另外,模式识别算法本身对于不同的场景也有着不同的适应能力,这些对交通模式识别精度的提高是很大的阻碍。本文提出基于随机森林算法的出行链活动类型识别方法,主要包括以下几个方面的研究内容:1、引入多种数据来源,解决交通模式识别中数据来源单一的问题,并研究在新的数据来源被引入后,对识别准确率的影响。2、研究不同交通模式识别算法对识别准确率的影响,特别是比较随机森林算法和其他算法在性能上的异同。3、基于随机森林算法的出行链活动类型识别系统需求分析及设计设计,主要包括系统需求分析、系统设计思路、系统模型构建、系统详细设计等内容,在设计思路方面,详细研究了本系统的数据采集、特征提取和基于随机森林的模型构建,在详细设计方面,主要完成了系统交互模块的设计、存储模块的设计、数据采集模块的设计、特征提取模块的设计、模式判别模块的设计、主控制模块的设计。4、基于随机森林算法的出行链活动类型识别系统实现和测试,主要包括系统功能模块实现、交通模式判别结果测试等内容。本文实现的基于随机森林算法的出行链活动类型识别系统,经过测试,对静止、步行、跑步、自行车、公交车、自驾、地铁七种交通模式的判别准确率可以达到90.5%,具有很好的使用价值。