居民出行行为研究对城市交通规划与布局以及城市交通空间的合理利用具有重要的意义。传统的居民出行调查方法由于耗资巨大、调查周期较长,因此难以获取实时、广泛的出行信息。随着手机的不断普及以及移动通信网络的不断发展,手机在接入移动网络的时候会产生大量的信令数据,这些数据记录着手机所处的位置信息以及发生时间。因此,通过手机来获取居民出行行为成为可能,基于手机信令数据对居民出行行为进行研究具有成本低、覆盖范围广等优点,弥补了传统居民出行调查方法的不足。本文通过移动信令数据对居民的出行行为进行研究,包括出行时空分布特征分析、出行目的判断以及出行方式识别。具体相关工作内容如下。1.分析DBSCAN密度聚类算法的优缺点,提出一种改进的DBSCAN密度聚类算法对交通小区进行划分。由于相邻区域的基站分布密度可能不均匀,此时采用一般的DBSCAN密度聚类算法,不能准确的识别出相邻且密度不同的区域,影响聚类结果。因此,本文提出一种改进的DBSCAN聚类算法,其主要思想是设定一个密度阈值,作为簇扩充的条件。2.交通小区语义化处理。把聚类划分的交通小区结合POI数据进行语义化处理,根据各交通小区POI数据类型的比例,赋予小区以主题,方便对居民的出行目的进行判断。3.时空分布特征分析。根据手机用户的移动轨迹,以小时为单位,统计每小时出行量占比,分析居民出行的时间特征;然后结合交通小区划分,统计各交通小区的出行量,对居民出行空间特征进行分析。4.出行方式识别。为了提高识别的准确性,本文一方面根据各出行方式的隶属度函数进行模糊识别,另一方面,结合百度地图API将路线轨迹与信令轨迹匹配,进一步识别手机用户所采用的出行方式。5.实例研究。将以上居民出行行为分析模型结合具体的实例进行分析。