城市的发展过程中,产生了一系列的“城市病”,比如交通拥堵、交通污染。只有通过对城市交通现状、运行机理的深入剖析,才能掌握交通需求,科学合理的进行交通规划和设计,从而引导交通系统的发展。但是传统的居民出行调查在精度上存在诸多问题,因此需要新技术的引进——手机GPS,此技术不仅可以降低调查成本,还可以提高数据质量。尽管现有对手机GPS数据的分析研究较为深入,多是对数据的挖掘,但是数据采集过程中的时间参数是影响数据质量的重要因素,需要展开深入研究。本文对不同手机GPS定位频率对交通出行信息提取影响进行了分析。基于单因素法则,通过设计不同多交通方式组合数据采集实验以及数据预处理的过程,获取了不同定位频率下的GPS数据。根据样本数据的特征和研究目的,选取了瞬时速度作为特征向量,并采用人工神经网络算法(ANN)和随机森林算法(RF)识别了不同定位频率出行数据的交通方式转换点和交通方式。通过分析,不同交通方式转换点的识别精度对定位频率敏感性一致,随着定位频率的降低,精度降低。采样时间间隔为5秒时,所有交通方式的转换点查全率在90%以上,小于120秒误差的准确率在80%以上。在实际应用中,出于对调查和数据存储分析成本的考虑,采样时间间隔可以在1～20秒内进行取值。本文同时对步行、自行车、公交车、小汽车四种交通方式进行了识别,ANN算法和RF算法具有相似结论：当ANN算法采样时间间隔设置为1秒,RF算法设置为2秒时,非机动方式准确率为85%以上,机动方式80%以上；随着定位频率降低,准确率则会下降,出于以上同样的目的,在实际应用中采样时间间隔取值范围为1～10秒。