随着经济社会发展,消费需求增加,随之而来的是购物出行交通量增大。非工作日道路交通也出现拥挤状况,交通流与工作日存在差异。因此有必要研究购物出行,为制定非工作日的交通管制措施提供依据。个体在出行前会根据出行目的、经验和交通信息决定出发时刻,依据的交通信息主要是出行前获得的。随着先进的出行者信息系统逐步建立与应用,出行者将获知更多的交通信息及提炼出更多有效信息来辅助决策。但是,出行者面临的仍然是不确定下的风险决策,因为出行者没法预测出行程途中将发生的事件。研究不确定下的出行行为有多种理论,其中期望效用理论是最常用于分析不确定或风险决策的理论,它认为人是完全理性的,计算结果同实际决策情况存在较大差距。随机效用理论最早是研究独立不相关的选择,效用建立在选择枝基础上,包括确定和随机两个部分,模型是离散选择的。而前景理论通过实证研究,发现个体在不确定决策时对收益与损失的态度是不同的。本文从多方面对三种理论做了比较,阐述了前景理论的决策优势。累积前景理论是在前景理论基础上吸收了等级依赖效用理论的思想,建立起整体的累积分类模型取代离散概率,并将模型分为收益情况和损失情况。本文对购物出行的特点进行了分析,在累积前景理论框架下,建立出发时刻选择模型。编辑阶段采用虚参照点,确定了到达时刻与行程时间价值结合的价值函数,推导个人主观概率,计算权重；评价阶段将最大前景值作为决策依据。在建模过程中,用一个参数量化个体对道路拥挤程度的判断,该参数体现个体将经验与信息融合的能力；初步分析了学习机制,借鉴贝叶斯原理,分析出行者对出行结果的学习,以及出发时刻的调整。最后,通过一个小规模的出行行为调查,进一步分析出行活动,标定参数,计算模型,绘制购物出行出发时刻分布图,并预测购物出行高峰时间及可能的拥挤时间。如果再结合路径选择,就能够得到不同时间的路网交通流量图,为城市规划及交通管理提供更多参考信息。