中文摘要：

城市交通系统的服务水平是城市可持续发展的重要基础。先进的交通需求分析为城市未来交通系统的规划提供决策依据。目前基于活动的交通需求分析方法采用活动调查-特征分析-行为建模的思路，以模拟选择结果为目标构建模型，缺乏对活动产生机理的研究。而其基于期望效用理论的行为分析框架，也无法对居民实际决策过程进行准确分析。本研究将以居民活动需求产生机理为核心，使用前景理论进行居民日活动选择行为研究，使用已有调查数据，开展行为实验，采用手机数据分析居民活动，开发基于Agent的居民日常活动仿真工具。研究借助行为经济学的研究成果对交通需求分析已有框架进行完善，为交通行为科学中其它领域的研究提供借鉴。通过研究，改善交通需求分析的预测能力，为交通规划决策和管理措施的实施提供依据。

结论摘要：

研究了居民属性与活动模式的相关性，找出可以解释活动模式的居民社会经济等属性，以居民出行调查数据为基础，利用模式识别算法对居民活动模式进行识别，建立了居民属性与活动模式的关联表征模型，为建立可解释活动模型提供依据。以居民出行方式选择为对象，提出基于非期望效用框架下的前景理论用于出行方式选择建模。从调查方法、模型构建和用户风险态度等几方面开展了研究。提出“循环迭代”和“一步标定”方法进行参数标定。在研究出行者动态选择行为中，发现了出行者对时间波动性的矛盾态度，并建立了基于累积前景理论的出行者学习模型（CPTL）。通过不同的参考点设置及出行者记忆长度对CPTL模型进行了改进。将个体的风险态度分为五类，新的风险态度分类可以显著提高模型的预测精度。研究利用手机数据进行居民出行特征的分析，建立手机信令数据判断居民职住地的方法，以此对通勤交通进行分析，并将结果与居民出行调查数据的分析进行对比，说明结果的一致性。利用通勤特征，对职住平衡进行研究，提出考虑居民收入的人口及岗位优化模型。研究利用居民出行调查数据，建立居民日常活动安排的模型。模型中将活动分为生存型、维持型和娱乐休闲型活动。从居民的个人属性、家庭属性以及活动属性等方面入手探究影响居民活动？出行模式的主要因素，构建基于决策树的活动安排模型。针对维持型活动和娱乐休闲型活动，通过问卷调查，开展了活动频率的影响因素分析。研究建立了目的地-方式选择组合模型，采用逐层估计的极大似然估计法对其进行参数标定。采用了基于敏感性分析的方法来进行交通需求组合模型的不确定性分析。与基于随机抽样的分析方法相比，基于敏感性分析的方法在大大减少计算量的同时可以得到近似的精度，并且可以同时或分开考虑输入的不确定性和参数的不确定性。以传统居民出行调查数据为基础，提出了以方式/目的地选择模型、时间选择模型和日活动模式选择模型为主体的层次选择模型结构，实现了基于活动的交通需求预测。研究引入基于IPU算法的城市居民个体属性仿真方法。以绵阳市为案例，得到每个城市居民的详细属性。基于居民活动安排模型，开发基于Agent的居民活动安排仿真模块，并在我国现有的数据环境下开发适用于MATSim交通仿真软件的接口，形成可实际使用的基于活动的交通仿真工具，研究成果具有重要的意义和作用。