随着我国城市社会经济的快速发展,居民出行需求呈现出多样性的特征,出行目的越来越多元化,居民的出行行为具有更多的选择性和复杂性。以“四阶段法”为代表的传统基于出行(trip-based)的需求预测理论主要目标是评估中长期交通基础设施建设能否满足未来交通需求,而对于人的交通需求是怎样发生的,其自身的社会经济情况怎样影响出行行为,以及近期乃至现状交通系统和需求管理对居民出行的影响等问题则显得无能为力。因此,基于活动(activity-based)的出行预测理论为分析和预测居民出行行为、评估短期交通系统管理和控制策略提供了新的方向。本文正是基于这样的背景下,以活动链理论为核心思想,以概率神经网络(PNN)模型为研究手段,旨在探究活动链理论和概率神经网络模型在我国居民出行行为分析和预测方面的理论可靠性和技术可行性。论文结合我国城市居民出行特点,以龙泉驿区居民出行调查数据为基础设计Matlab程序提取一日活动链,从典型活动模式、活动链长度和活动链结构三个特征指标对居民出行活动链进行统计,进而分析龙泉驿区居民的出行基本情况。在此基础上,利用概率神经网络模型良好的学习和模式识别能力,模拟居民个人基本属性与出行选择行为之间的非线性映射关系,首次建立了基于概率神经网络的活动模式预测模型、出行时间预测模型和出行方式预测模型,并将预测结果与实际调查结果进行对比,结果显示三个模型的预测命中率在80%以上,说明概率神经网络在居民出行预测方面的可行性和有效性。最后利用建立的概率神经网络模型对交通规划、交通需求管理等方面一些问题进行简单应用,预测结果说明模型具备一定的实用价值。