随着移动手机作为通讯工具的市场占有率越来越高与移动通讯基站的不断建设,基于手机切换定位的准确率越来越高,特别是在城市的城区。信息化交通管理与控制对交通状态的实时监测需求越来越明显。移动手机作为行人出行随身携带的设备,其位置信息直接体现了行人一天的出行变化。以移动手机位置信息作为交通调查的方式具有成本低、覆盖范围广并且抽样率高等优点。现有研究证明移动手机位置信息可用于有效的交通信息获取并且在对城市居民群体行为分析上具有巨大潜力。本文以匿名的北京市移动手机信令数据作为研究对象,进行北京市群体交通出行模式研究。由于噪声与异常值的存在,本文在使用移动手机位置信息之前,对移动通信基站位置信息与移动手机信令数据分别进行了预处理,并依据出行链进行样本数据筛选。本文按照筛选出的移动手机信令数据进行北京市平均出行次数计算,并且本文给出时刻O或D的估算方法。同时,本文根据北京市停留状态人数及其变化值随时间的变化规律,得到北京市的特征时间如早高峰、晚高峰和典型的平峰时间段等。本文设计了相对时间计算方法与小时间区间计算方法用以估算一个基站小区内任一时刻的O或D数量。本文在考虑邻接性与相似性的基础上,设计基于O或D密度的聚类算法,获取北京市出行模式。本文通过对各时间段聚类结果的数据值进行整理,发现数量排名前20的聚类小区占总O或D的30%以上,从而总结得到北京市的出行具有聚集性。同时,本文通过分析O与D的总数量和相对大小变化的规律,结合聚类前20小区所占的比例值,得出平峰和晚高峰的整体出行集中程度均高于早高峰。在北京市出行聚集性的基础上,本文按照北京市的时间区间特性,分别进行北京市早高峰出行模式、晚高峰出行模式和平峰出行模式下不同区域与北京市的整体出行变化规律研究,进而总结出北京市全天的出行模式变化规律。最后,本文给出通过对北京市出行模式进行主要聚集区域确定的方法,并在此基础上给出某区域出行流向与流量的确定方法。本文根据出行模式可获得的交通状态信息,并结合交通流的分模态特性,介绍了部分利用出行模式进行交通领域相关应用的方向。