随着常规公交智能交通系统中公交IC卡收费系统和公交车辆定位系统收集数据技术日益成熟,每天都会产生大量公交IC卡数据和公交车GPS数据。通过对以上数据进行分析,我们可以获取如公交出行者出行模式、出行OD等与出行者出行行为相关的信息,并为交通规划者和公交运营者提供重要的决策支持。尽管如此,公交IC卡数据本质上依然存在着不足：缺少出行者出行活动类型属性和社会经济特性。此外,我国城市基本上都是高密度混合土地利用,居民出行更多地依赖公共交通,公交出行活动类型也呈现出多样性,因此推断公交出行活动类型能够让我们深入了解出行者出行行为且意义重大。本文主要利用成都市一周公交IC卡数据和公交车GPS数据判别成人卡和学生卡出行者的出行活动类型。本文首先对公交成人卡忠诚者和学生卡忠诚者出行时空特征进行分析,接着使用K均值聚类的方法建立判别出行活动类型过程的启发式规则,然后结合出行者多日的刷卡数据制定了3个不同的判断规则并融入判别过程中,最后通过决策树模型评估不同规则下出行活动判别过程的优劣和不同自变量对判别出行活动类型的显著程度。本文研究表明基于规则3的出行活动判别过程最优,判别成人卡忠诚者出行活动类型为上班和学生卡忠诚者出行活动类型为上学最有用的自变量是时间属性,特别是第一次出行刷卡时间；学生卡忠诚者出行的站点欧氏距离、出行下车站点服务的主要用地类型和出行终点站点用地多样度对于判别出行活动类型都是显著的,而且后者的显著度明显大于前两者。