近年来,居民的出行/活动行为特征研究是交通工程学、城市地理学等领域的热点课题。研究个体或群体的出行时空特征,一方面可以帮助城市交通服务提供商更好地调整资源布局,另一方面可以帮助政府的相关部门制定合理的交通规划与管理措施,缓解城市交通拥堵问题。随着大数据技术的兴起,研究城市级别的居民出行特征逐渐成为可能。本文融合手机信令数据与地铁刷卡数据,设计基于规则的算法对城市居民独自出行以及联合出行行为进行识别,并探索其时空分布特征。具体来说,首先本文提出了基于手机信令数据的居民职住分布识别方法,用来推算居民的居住地以及工作地。其次,融合多源数据,提取居民出行行为,研究其时空分布特征。本文在研究居民独自出行的基础上,进一步拓展研究了居民两两之间一起出行的行为（称为联合出行）时空特征。对于联合出行行为的提取,本文设计了一种社交关系分类器,用来将出行者之间的关系划分为熟人与非熟人。在得到社交关系的基础上,使用基于规则的方法,判断两个熟人是否为联合出行。本文将居民间的联合出行行为总结为四种不同的模式,并使用地铁刷卡数据讨论了四种不同的联合出行模式的时空分布特征。最后,本文阐述了一种顾及居民联合出行/活动行为的网络均衡模型,并给出了该模型的参数标定方法。本文的主要成果总结如下:（1）手机信令数据适用于研究多级时空尺度下的居民供需分布。本文使用基于规则的算法,统计居民在研究时间范围内出现次数最多的基站作为居民的居住地和工作地。在苏州市进行的案例研究表明,本文提出的算法具有良好的可行性和精确度,将手机数据计算得到的职住分布结果按照不同时空级别进行统计,可以为宏观或微观交通规划提供数据支持。（2）手机信令数据可以应用于城市居民出行分布计算。本文首先计算居民在所有基站的停留时间,筛选出行链,进而分不同时空级别统计得到区域间的居民出行分布。在地铁站点级别融合手机信令数据和地铁刷卡数据,既能够精确地计算居民地铁出行时空分布,又能够计算居民地铁出行的来源地与去向地。居民出行分布以及来源地与去向地识别结果可以应用于城市路网流量分布研究,挖掘拥堵路段。（3）居民的联合出行/活动行为可以概括为四种具有普适性的模式。本文选择出行相似度和出行规律性作为决策变量,将居民之间的社交关系划分为熟人与非熟人,使用基于规则的算法识别熟人之间的四种联合出行/活动行为模式。本文在苏州市进行案例研究结果表明,苏州市居民不同联合出行/活动行为模式在时空分布上具有明显的差异性,这种差异性受居民出行时间长度,活动时间长度,出行目的地站点周边土地利用性质的影响。（4）针对顾及居民联合出行/活动行为的网络均衡模型,提出了一种两阶段的参数标定方法。在第一阶段,建立以模型计算的网络流量与数据调查获得的网络流量离差平方和最小的目标函数,使用模拟退火算法求解该问题。在第二阶段,融入卡尔曼滤波器,用来降低输入数据的观测误差或系统误差对参数标定结果精确度的影响。通过在苏州市小型地铁交通网络的案例研究表明,该参数标定算法具有较好的收敛性,可以进一步推广到其他交通分配模型。