交通事件环境下的出行行为是交通行为研究的一部分,随着人们对出行可靠性要求的日渐提高,该环境下的交通行为研究也日益成为城市交通研究者、管理者以及交通参与者重视的对象。由于该特定环境下交通行为的研究受基础数据的限制,使得这一研究相当困难。关于这一领域的较新成果有荷兰学者Victor L.Knoop对事件环境下驾驶行为的研究。目前,国内这方面的研究成果并不多,本论文正是着眼于对基础数据的收集和分析,用于探讨、研究出行者的决策行为特性。论文首先基于出行行为理论,将出行者划分为准备出行和正在出行路上两大类。并建立了它们的决策方案集分别为(取消出行,按原计划出行,改变出发时刻,改变出行目的地,改变出行路径,改变出行方式)；(取消出行,等待通过,改变出行目的地,改变出行路径,改变出行方式)。并基于行为决策理论和决策心理学构造了交通事件环境下出行者的决策过程。其次,论文应用效用理论,分别对交通事件环境下出行者效用函数的固定项和概率项进行描述,以引入ML (Multinomial Logit)模型进行分析。并运用RP/SP调查方法的基本原理,设计RP/SP调查方案和表格,获取研究所需的数据资料,为选择模型参数的标定和进行后续研究提供数据支撑。最后,通过将RP和SP数据进行融合,采用极大似然估计法对ML模型的参数进行估计。研究结果表明,交通事件对出行者出行决策行为产生影响；交通事件的属性中,造成的延误时间对出行者出行方案的选择影响更大,这和人们对延误的直觉判断更为敏感有关；当延误时间为不确定时,出行者更倾向于采取风险规避的决策方案。这和前景理论观点相一致；对于同一个出行者,若其出行目的为与工作有关,或接送人和社交,同等严重程度的交通事件对其造成的损失更大,反映在数学分析中即为负效用更大；即使在获知交通事件发生的情况下,相当部分出行者还坚持既定的出行计划。