随着我国社会经济的发展和城市化进程的速度不断加快,城市中心区的机动化出行比例持续上升,城市中心区停车供需矛盾日益突出,考虑到驾驶员的有限理性,根据信息更新的特点,利用前景理论对停车选择行为进行研究具有重要的理论和现实意义。本文首先分析了驾驶员停车选择的影响因素。采用SP与RP相结合的调查方法,选取深圳市某中心区域,对驾驶员进行停车选择问卷调查,分析了调查区域内驾驶员的社会经济属性、交通特征属性、信息更新特点以及停车系统现状。根据贝叶斯更新模型建立驾驶员出行前及停车后的信息更新模型,描述驾驶员的信息更新过程。利用统计分析软件对各影响因素的参照点进行回归分析,在此基础上建立单因素的价值函数及决策权重函数,得到各影响因素的前景值。利用模糊偏好下多目标决策的权重赋值方法,对各因素的权重赋值,从而得到各备选方案的综合属性值,建立停车选择模型。在所建立的驾驶员停车选择行为模型基础上,构造了两类智能体:战略层智能体及战术层智能体,其中,战术层负责停车选择行为的完成,战略层负责决策的制定及信息的收集与发布。利用多智能体仿真软件Starlogo对停车选择行为进行仿真实验,通过设定不同的情景评价停车管理政策和措施的效果。仿真实验的结果表明在调查区域内调整停车费率可以优化停车系统的资源利用水平,而通过设置路内停车场可以进一步缓解停车供需矛盾。