出行方式的识别是智能交通领域的一个新兴研究方向,主要通过对出行者出行数据如:速度、距离等的分析识别出行者的出行方式,用来对一定区域内出行习惯进行调查、分析人群出行特点,为市政决策提供帮助,同时,能够针对特定出行方式提供定制的道路引导方案。本文结合移动互联网和机器学习技术,设计并实现了一种基于AML-BP算法的出行方式识别方案。文章提出将城市中的步行、公共汽车、自行车、小汽车、电动摩托车五种目前主要出行方式作为识别目标,主要工作如下:第一,介绍了国内外出行方式识别的研究现状,给出了本文研究的整体思路,即:出行参数的采集、出行参数特征分析、出行方式识别算法的研究与改进、应用系统的实现;第二,开发了一款智能手机端应用,实现了对五种出行方式出行过程中的GPS和三轴加速度数据采集;第三,结合运动学、统计学知识,对各出行方式运动原理及采集到的出行数据进行分析,选择出对出行方式具有区别性的参数作为出行方式的特征;第四,选择BP神经网络算法作为出行方式识别算法,针对算法存在的弱点,提出了基于AML(Adaptive Momentum and Learning rate)的BP神经网络算法,并对AML-BP算法的识别效果进行了实验测试;最后,根据对出行方式识别的研究成果,通过Android平台技术、动态链接库技术、百度云服务技术等,实现了一款Android平台下的出行方式识别应用。根据选择的出行方式特征以及改进的BP算法,在与其他识别方案的对比中,本算法取得了较好的识别率。将出行方式识别算法应用于出行方式的Android应用中,在实际环境下对应用进行测试,应用运行稳定,达到了设计要求,在应用运行中能够对出行方式进行较准确的识别。