摘要：利用手机数据推演居民出行特征是近年交通研究中的一个热点。尽管已有众多研究成果发表,但现实应用中仍有诸多问题需要解决和改进。提出一种基于手机数据的出行链推演算法,通过构造时空贪婪同化流程来处理手机数据的空间不确定性,并对传统聚类算法进行改进以提高活动地点识别效率。通过个体实际数据验证了算法的有效性。结果显示,与其他方法相比,提出的算法能够高效地锚固居住地、工作地等停留较长时间的出行端点,从而提高出行链推演的效率和准确性。该算法适用于多天、手机基站定位和三角算法定位的混合位置数据,对现实数据有很好的适应性。