大数据和互联网的兴起带来了交通出行的巨大变革。智能手机普及和ICT技术的飞速发展为手机数据应用于交通出行行为调查提供了契机。手机信令数据因其大样本、全覆盖的特性,已成为研究城市居民交通出行行为的新数据源。针对手机信令数据进行出行信息提取、OD分析、通勤行为分析等方面取得了较多研究成果。但是针对手机信令数据进行进一步出行方式辨识的研究还较少。在此背景下,考虑实际中多源数据获取的难度,以能快速实施迁移为目标,本文提出了一套基于城市整体起讫点手机信令出行数据集的城市交通出行方式辨识方法,仅通过对信令数据的深入挖掘,辨识步行、自行车、公交车、小汽车和地铁5种城市常用出行方式。首先,在基于手机定位原理进行信令数据预处理分析后,归纳总结了出行基础理论,对手机信令数据进行了基本出行特征提取和统计;基于基站用户流动量的时空特征,给出了基站土地利用信息标定方法,通过聚类算法挖掘基站用户增量背后蕴含的土地利用信息,提取了具有明显时空客流分布的典型居住区、工作区、交通枢纽和混合区。其次,研究了基于先验知识的城市交通出行方式模糊辨识方法。基于传统交通研究范式,在分析常见出行方式特征取值的基础上,给出了各出行方式的优势出行距离、出行时长和出行平均速度特征的通用先验知识;通过模糊数学理论构建基本辨识模型,给出了一般性建模和求解方法;基于交通状态和基站土地利用信息标定结果修正了模糊辨识模型。第三,研究了基于信令数据出行方式特征挖掘的城市交通出行方式综合辨识方法。提取了出行距离、出行时长、出行平均速度等出行方式观测特征,根据聚类理论构建了基于信令数据的出行方式特征聚类模型,对聚类簇簇内特征、簇间特征进行了分析,辨识了典型出行方式;结合模糊辨识模型对出行方式语义效果不明确的聚类簇进行了辅助判别,综合给出基于信令数据特征挖掘的出行方式辨识模型与方法。最后,将全文研究过程提炼升华,提出了一种“大数据样本聚类分析—类内、类间特征剖析——局部模糊处理”的中宏观分析框架。本文基于工作日信令数据进行了全天有效出行的出行方式辨识。将辨识结果与实际出行统计结果进行对比,证明本文提出的方法能够比较准确区分慢行、公交车、小汽车和地铁,但对于步行和自行车的区分精度还有待于进一步提高。