各种研究表明,出行行为受到许多社会-经济因素和人口因素的影响。本研究的目地的是探索和挖掘影响纳布卢斯市家庭出行产生的因素。基于504个随机分布的家庭出行调查问卷收集的数据,本研究试图为纳布卢斯环境开发基于家庭的出行产生模型,以帮助提供理论框架和信息以量化城市出行产生的数量。为了实现这一目标,对数据分析和假设关系进行了多元线性回归建模和相关统计检验。针对本文的11个因变量,选择了22个因素,以分析哪些因素对纳布卢斯市的出行产生了主要影响。出行产生的模型包括:按出行用途划分的出行模型和按出行时间划分的出行模型。从调查数据中创建描述性和有用的模型并非易事,因为实际上许多现象和关系可能无法提供有效的模型。在这项研究中,（总量）出行产生模型具有最高的解释能力（R2=0.878）。就解释能力而言,教育和工作出行生成模型分别排名第二和第三（R2=0.870和0.741）。娱乐,社交和购物出行模型分别具有较小的解释力（R2=0.488、0.450和0.361）。对于按时间生成的出行模型:AM高峰期（上午8点之前）和PM高峰期（下午4之后）分别具有最高的解释力（R2=0.720和0.521）。其他按时间出行模型（8AM-4PM）不能提供很好的解释力。研究结果表明,收入水平,房屋所有权,家庭人数,工作人数,学生人数,拥有驾驶人数是对出行总产量产生积极影响的强烈因素,而（年龄大于60岁）是产生负面影响因素。不出所料,影响工作出行的主要因素是:工作年龄（19-24岁和25-60岁）,劳动力,大专学历,驾驶执照的持有以及失业带来的负面影响。还发现接受教育的人数是影响教育出行的决定性因素。对于休闲出行模型而言,家庭的收入水平和私家车数量对休闲出行的产生具有最强的积极性影响。对社会出行次数产生积极影响最重要的独立变量是:房屋所有权、房屋面积、家庭人数和拥有驾驶执照的人数。对于时间模型而言,上午8点之前的出行行为受劳动力变量和受教育人数的影响。下午4点之后的出行受性别（男性）,车辆拥有权和收入水平的影响。此外,研究得出的时间模型即——上午8点至下午4点的模型,不能提供很好的解释力,这可能是由于多种原因造成的:例如:这段时间出行次数较少;或者是在这段时间内没有进行本研究中考虑的其他出行用途,例如宗教出行;还有其他一些因素会影响这几个小时的出行次数,但本研究中并未涉及这些变量。其次,样本量可能较小,由于疫情原因,且缺乏收集更大的样本量的资金和时间,所以无法解释在这些时间内,这些自变量对出行次数的影响。本文研究的出行模型能很好的解释出行行为,因此建议未来的研究者使用具有好的解释力的模型来继续交通需求建模过程以便于城市进行交通规划,促进城市交通资源的优化配置。还可以为建立城市交通发展战略提供有效的理论基础。鼓励巴勒斯坦中央统计局进行更大样本量的频繁调查,以建立一个用于城市居民交通的面板数据库,以确保数据的时间一致性。最后,鼓励未来的研究者,基于此研究上,增加多目的地复杂出行行为以及基于活动的出行行为,以更好地了解家庭中个人的出行行为,为城市的交通资源做更好的优化配置。