轨道交通作为一种大运量、长距离、安全可靠的交通方式,分担着城市极大比例的出行客流,在疏解当前城市交通拥堵问题上起着重要的作用。但是随着客流的不断增加,轨道交通也面临着一些优化、改善的难题,而对轨道交通系统内部客流变化情况以及系统外部客流起讫分布进行掌控,从整个交通运行系统层面上进行规划管理控制,成为一种解决的途径。手机数据作为一种交通大数据,在对个体出行、群体出行特征分析上都有着相当优势,其应用也日益广泛。本文正是基于手机数据,对轨道交通乘客在系统内、外的出行特征分析方法进行了研究。首先,通过对以往手机数据研究的调研,文中对手机数据产生原理、数据结构等进行了简要描述,并对用于手机匹配的辅助数据集进行了详细介绍;结合以往研究经验,对手机数据中的噪声数据进行了介绍,并提出了基于数据序列的乒乓切换识别方法,改善了以往以三条数据进行判断的方法,理论上能够适应不同形式的乒乓数据组合。其次,结合轨道交通出行特征的分析,对轨道交通出行各个阶段的时间进行了分析归类,分为进站时间、乘车时间、换乘时间、出站时间四个类别;由此构建了基于数据点间关系分析的轨道交通出行进站、出站、换乘等关键轨迹点的识别方法;而对于以往研究在出行时间波动上的敏感性,研究中提出了动态时间阈值的分析计算方法,能够适应不同出行距离乘客出行时间的波动变化;对于实际数据中所存在的几类异常特征数据如中断、连续等,研究中也做了相应的分析与处理。然后,在对站外出行特征分析上,研究中提出了补充停留时间的计算方法,将停留时间分为表征停留时间与补充停留时间两个部分,以此来改善以往对手机数据点停留时间的计算;结合前文所提取的手机用户轨道交通出行出站信息,构建了基于动态距离阈值的站外出行起终点识别方法,来适应城市中不同区域,基站间距的差异性;而对于出站后出行方式的分析,研究中使用无监督学习的方法,对手机用户进行聚类分析,以此对站外的交通方式分担进行了探索研究。最后,研究中以单个轨道交通用户的数据轨迹为例,对整个站内、站外出行特征识别的原理过程进行了概述;结合AFC数据,对研究中所述的轨道交通系统内出行特征提取方法进行了验证、评价,并对换乘客流、站外客流分布情况进行了分析描述。在总结研究创新和不足的基础上,对后续的研究方向进行展望。