随着我国交通系统的逐步完善,各交通方式的线路和发车频率大大增加,导致不同的交通线路之间相互交叉,形成了一个庞大且复杂的交通网络。在复杂的网络中选择适合自身的出行方案是费时、费力的,同时也限制了公共交通系统的潜能。目前,尽管百度地图app、高德地图app、谷歌地图app等应用软件已经可以为用户提供详细的多模式交通出行方案,但是其出行方案的寻优标准大都是单一的,并且用户还需在给出的众多出行方案中选择满足自身多种出行需求的最优方案。为解决以上问题,进一步提高多模式交通出行路径规划方案的质量,本文对基于出行者个性化出行需求的多模式交通路径规划模型及算法展开研究。具体研究内容如下:首先,考虑到公交车在实际运行中易受路网的时变特性影响,造成到站时刻不准确,严重影响着路径规划方案的出行质量。本文利用公交车IC卡刷卡数据,对同一车辆单次运行的刷卡数据进行聚类分析,得到对应时段的模拟时刻表信息,并将时刻表信息、站点间距信息、出行费用信息、换乘信息等赋予各个站点,建立公交子网络模型。同时,按上述方法建立地铁子网络模型,并将二者的临近站点相连接,建立多模式交通超网络模型。接着,为满足出行者在出行过程中所有潜在的出行需求。本文对影响出行者出行决策的因素进行了分析,并且分别建立了基于出行时间、出行费用、换乘次数和步行距离四种出行需求的数学模型,利用线性加权法描述了不同出行者的出行偏好,得到了对应的个性化出行总评价值模型,以此作为评价路径规划方案好坏的标准。其次,设计深度优先搜索-遗传（GA-DFS）算法。针对遗传算法（GA）对初始种群具有一定依赖性且易陷入局部最优解等问题。本文提出了基于深度优先搜索算法的初始种群产生策略和两点变异策略,确保了初始种群中无回路和无效路径,同时使得变异定向的向着出行者所选择的出行需求的方向进行变异。最后,为了验证算法的有效性,本文以青岛市崂山区真实的路网数据为例,假设了三种不同出行需求的出行场景,分别用本文提出的GA-DFS算法与常用的模拟退火-遗传（GA-SA）算法和蚁群（ACO）算法进行对比分析。结果表明:不同出行需求下的路径规划方案不同,利用本文提出的GA-DFS算法可以为出行者提供更优的路径规划方案,且寻优能力提高了50%。本文着重以出行者个性化的出行需求为评价标准,提供满足出行者多种出行需求的定制化路径规划方案,可以为出行及服务的发展提供参考。