2019年12月新型冠状病毒肺炎在我国暴发,对我国交通运输业造成了巨大的影响,出行者日常出行行为也因疫情的来临而发生了改变。城际出行相比于城市通勤来说,出行时间更长、乘车环境密闭、人员也更为密集,出行过程也更为复杂。因此,在疫情期间的城际出行行为成为新冠病毒传播的主要途径,而如何降低乘客城际出行过程中疫情感染风险成为了现阶段防疫工作的首要问题。为了控制疫情传播,我国各个城市都制定了地方防疫管理措施,这使得乘客城际出行过程变得更加复杂,出行效率大打折扣。如今,我国的防疫工作已经步入常态化时期,国内疫情得到了一定控制。但是,国外疫情现状仍十分严峻。在全球化的背景下,我国疫情现状呈现出整体稳定和局部暴发的态势,这要求防疫研究工作仍需进一步深化。疫情的暴发改变了人们的日常生活和出行习惯,而准确掌握乘客疫情期间的出行规律对于决策者制定有效的防疫政策是十分重要的。目前,已有学者针对疫情期间乘客出行行为做了相关调查研究。结论表明,疫情来临时出行者的出行规律与以往相比发生了明显改变。为探究疫情背景下乘客城际出行规律,本文将对疫情防控期间乘客城际出行行为进行调查,对影响因素进行建模分析,探讨如何通过有效的防疫措施来降低疫情传播风险。本文以2020年春节后复工复产的城际出行乘客为研究对象,针对私家车、飞机、高铁动车、普铁、大巴车五种城际出行方式的乘客进行了RP调查。在对以往城际出行相关文献的研究基础上,筛选本文所研究的城际出行特征因素,并设计调查方案。通过随机抽样调查获取疫情防控期间城际出行乘客的社会经济特征、出行特征、交通枢纽集散特征数据。在对调查数据进行描述性统计分析的基础上,研究各个因素与城际出行模式选择之间的相关性,并进行多重共线性检验。利用Stata软件建立多项Logit模型,根据参数标定结果和对OR值的解读来分析乘客疫情防控期间乘客城际出行选择行为。为进一步提取自变量之间可能的因果关系,应用SPSS Modeler软件建立TAN贝叶斯网络模型,分析了显著性影响因素对乘客城际出行选择的影响,结论表明TAN贝叶斯网络模型的预测能力要优于多项Logit模型。最后,在目前已有防疫措施的基础上,结合本文模型分析结论探讨如何通过必要措施,实现客流的分流,减小疫情传播概率的可能性。并通过原始数据建立包含个体社会经济特征、出行特征、交通枢纽集散特征的TAN贝叶斯网络模型,运用Netica软件验证防疫措施的可行性。研究发现,疫情期间乘客城际出行时选择小汽车出行的比例有显著性增高。多项式Logit模型结果表明月收入较高的乘客在疫情期间会优先考虑小汽车出行,出行费用较高的乘客有相同的出行选择喜好。而TAN贝叶斯网络建模结果表明月收入对乘客疫情期出行方式的影响同时会受到年龄因素的影响,出行花费对疫情防控期间城际出行方式选择产生的影响对于不同的出行目的,其影响规律也不同。此外,出行距离对疫情期间出行方式选择产生的影响会根据出行费用水平的变化而改变。通过模型对比发现,整体上贝叶斯网络的预测能力要优于多项Logit模型,在飞机、高铁动车、小汽车的预测上贝叶斯网络模型要优于多项Logit模型。在对普通火车进行预测时,多项Logit模型预测能力更强,而对于大巴车的预测两种模型预测能力比较接近。