出行行为研究是制订交通管理与控制策略的重要依据,是进行城市交通规划的重要内容之一、也是制订城市群交通发展战略的主要参考内容之一。现有出行行为研究理论方法较单一,研究过程缺乏系统性,并且建立的行为模型主要用来研究大城市驾驶者的出行选择行为,对卫星城驾驶者的行为研究还未出现。作为缓解大城市交通压力的卫星城伴随着城市群的兴起,以其特殊的身份已经出现,并且与中心城市发生与发展着独特的交通出行行为。研究卫星城驾驶者的出行选择行为,对于缓解中心城市交通拥堵问题具有重大意义。本文在回顾城市群的形成与发展基础上,阐述了卫星城驾驶者出行行为在城市群交通规划中的重要作用,通过对大量文献的分析诠释了卫星城驾驶者的出行特征与中心城市的不同之处,确定了研究卫星城驾驶者路径选择行为的必要性。由于驾驶者的出行选择行为本质上是一种决策行为,因此对决策行为理论进行了研究,考虑卫星城驾驶者出行路径选择同时受到多种心理因素影响,建立了包含均值效用、自身预期后悔效用、相对预期后悔效用、自身风险规避效用、相对风险规避效用的混合效用模型,通过实验路网验证了使用混合效用模型能够更加准确的描述卫星城驾驶者的路径选择行为。为了使混合效用模型更加真实反应卫星城驾驶者在实际路网中的复杂选择行为,提出了系统化分析选择行为的方法,即将驾驶者出行选择前根据出行经验以及相应心理活动做出的备选路径生成与实际的路径选择行为联系在一起研究。考虑到出行信息以及驾驶者自身学习能力对选择行为的影响,首次提出了基于信息的预期后悔更新生成备选路径的方法,并将该方法生成的备选路径与传统方法进行了对比,表明了该方法能够准确反应驾驶者的实际备选路径生成过程。基于贝叶斯网络推理方法在表示和处理不确定性知识领域的优势,提出了使用贝叶斯网络推理的方法来刻画驾驶者通过自身学习更新路段属性过程,通过贝叶斯网络结构的建立和参数学习得到更新的路段属性。根据驾驶者受不同的出发时段以及出行信息的影响,在混合效用模型基础上,建立了卫星城驾驶者多时段路径选择混合效用随机模型,首次将信息函数表达式融合在模型中,提出了驾驶者预期后悔阀值的概念,并结合相关研究给出了表达式。构建了多时段多次出行的路径选择框架,通过实验网络模拟了驾驶者多次出行的选择行为,并对比了无信息条件和信息获取条件下的选择行为,认为本文建立的研究卫星城驾驶者路径选择行为的系统过程及相应模型能够很好的解释卫星城驾驶者的选择行为。