El modo de transporte es una de las características de viaje importantes para los ciudadanos, lo cual es crucial para la planificación y gestión del transporte urbano. Con las ventajas naturales de tamaños de muestra grandes y una amplia cobertura de personas, cada vez más investigadores adoptan datos de señalización de teléfonos móviles (MSD) para detectar modos de transporte. Sin embargo, debido a su baja precisión de posicionamiento y naturaleza temporalmente irregular, identificar modos de transporte con características espaciotemporales similares, como los modos de autobús y coche, es particularmente desafiante. Proponemos un marco de detección de transporte que utiliza MSD combinado con datos GPS de autobuses para distinguir entre los modos de coche y autobús. Primero, se propone un algoritmo de coincidencia de trayectorias para obtener el autobús más probable que los usuarios de teléfonos móviles puedan tomar. Luego, se extraen más características para mejorar la precisión de la detección del modo de transporte con diferentes modelos de clasificación. Además, para las trayectorias de señalización identificadas como el modo de autobús, se reconoce más información de viaje en autobús, incluyendo la estación de subida y bajada y la marca de tiempo. Finalmente, creamos un conjunto de datos de verdad de terreno y comparamos las precisiones de reconocimiento bajo diferentes características y modelos de clasificación. El resultado muestra que las precisiones de detección del modo de transporte del marco propuesto con los algoritmos GBDT, XGBoost y LightGBM son todas superiores al 94%.