يُعد فهم سلوك السفر والطلب على النقل أمرًا ذا أهمية مستمرة للمجتمعات والهيئات المعنية بالنقل في جميع الدول. وفي الوقت الراهن، تم بذل محاولات لاستخلاص أنواع وسائل النقل تلقائيًا من البيانات المكانية، مثل البيانات التي يتم جمعها باستخدام أجهزة تحديد المواقع (GPS)، بهدف تقليل التكاليف الزمنية والمادية المرتبطة بالاستبيانات التقليدية الخاصة بسجلات السفر. ومع ذلك، توجد بعض القيود في الأدبيات الحالية من حيث جمع البيانات (مثل حجم العينة المختارة، ومدة الدراسة، ودقة البيانات)، وتحديد المتغيرات (أو مزيج المتغيرات)، وطريقة الاستنتاج (عدد أنواع وسائل النقل المستخدمة في التعلم). ولذلك، يسعى هذا البحث إلى فهم شامل لهذه الجوانب خلال عملية الاستنتاج. ونهدف إلى حل مشكلة تصنيف بيانات GPS إلى أنواع مختلفة من وسائل النقل (السيارة، المشي، الدراجة، المترو، القطار، والحافلة). نبدأ أولًا بدراسة المتغيرات التي يمكن أن تسهم بشكل إيجابي في هذا التصنيف، ونقوم بقياس قدرتها التمييزية إحصائيًا. ثم نقدم منهجية جديدة لإجراء هذا الاستنتاج باستخدام إطار عمل يعتمد على تصنيف آلات الدعم المتجهات (SVMs). وقد تم اختبار هذا الإطار باستخدام بيانات GPS بحجم خشن (粗粒度)، والتي تجنبت في الدراسات السابقة، وحقق دقة مُرضية تبلغ 88%، مع معامل كابا يشير إلى اتفاق شبه مثالي.