随着社会经济的发展以及人口和机动车保有量的不断增长,交通拥堵以及由此引发的环境污染和能源消耗等问题日益严重。合理进行交通系统规划和管理政策制定尤为重要。众所周知居民出行调查是交通规划和管理的数据基础。然而,传统的入户式居民出行调查存在调查任务重、调查效率低、调查准确率低、而且无法进行多日连续的出行调查等问题,已无法满足现阶段出行数据获取和分析的需要。GPS设备因操作简单、方便携带并可精确地记录出行者的瞬时速度、出发时间、经纬度信息等特点,在出行调查中得到了逐步广泛的应用。与传统的入户式居民出行调查相比,基于GPS的居民出行调查具有更高的调查精度,并且可以减轻被调查者的负担,同时可进行多日连续的出行调查,因此具有较好的应用前景。在此背景下,基于GPS数据的出行信息提取研究成为交通领域研究的热点之一。单纯的GPS调查无法获取个人和家庭属性信息,在没有辅助信息的情况下,各种出行信息中,出行目的的识别较为困难,因此基于GPS数据的出行目的识别成为各种出行信息提取中的难点。同时,出行目的是其他出行信息提取的基础,更是出行行为分析和预测中的重要环节之一。因此,研究基于GPS数据的出行目的识别方法对于促进出行信息的整体识别、推动基于GPS的居民出行调查的广泛应用、促进交通问题的有效解决具有重要意义。本文基于GPS数据进行多日出行目的的建模识别研究。首先根据GPS数据显示的轨迹点经纬度信息推断出行起讫点,从而确定出行目的地。继而,根据日活动链理论,以活动时间的长短和发生顺序为标准划分出行者的日出行模式。建立Logit模型分别对工作日和非工作日的主出行、早出行、晚出行、去时驻停和回时驻停各五种日出行模式进行划分。再以此为基础,考虑出行耗时、用地属性等信息建立Logit模型识别单日各出行模式的出行目的。最后建立多日的出行目的选择的习惯性拟合模型,进一步提高出行目的的整体识别精度,而且使模型可用于多日的出行目的识别。将识别结果与实际出行进行对比分析,结果表明,在日出行模式划分的基础上进行各次出行的目的识别,由于考虑了一日中各次出行目的间的相互关联,提高了出行目的的整体识别精度。而且通过建立多日和多周的出行目的选择习惯性拟合模型,进一步提高出行目的的整体识别精度。本文讨论的基于GPS数据的出行目的识别方法能够基于GPS数据进行多日的出行目的和日出行模式等信息的识别。研究成果可用于基于GPS设备或手机定位系统的居民出行调查和信息提取,有利于以大数据环境下的先进调查方法取代传统的居民出行调查,扩展数据获取途径、数据广度,提高数据处理精度,为交通管理和规划提供数据基础。