随着全国各地经济交流,文化交流等日益频繁,为了满足人们日益增长的长距离出行需求,公共交通系统也随之越来越丰富且复杂。由于大型长距离公共交通运输网络通常涉及很多不同的线路以及公共交通方式,因此如何为出行者个性化提供基于随机路线特征的优化路径选择,为方便乘客出行提供理论支撑和应用参考,就显得至关重要。为此,针对当前基于乘客偏好动态随机网络的多模式公共交通路径规划研究的不足与迫切需求,本文立足于乘客的偏好以及随机线路特征,引入动态随机网络和前景理论的相关理论,重点研究基于乘客偏好动态随机网络的多模式公共交通路径规划模型的构建和求解,将构建的模型运用于长距离公共交通路径规划系统中的实证研究,进行具体的算例验证。首先,以最常见的客运长途大巴、旅客列车、民航客机三种长距离公共运输模式为研究对象,对公共运输方式优缺点和衔接性进行研究;其次,讨论了多模式长距离公共交运输出行方案模型的网络建构问题,包括基本时刻表问题和多模式时刻表问题,为接下来使用拓扑排序算法来解决最短路径问题奠定了基础;再次,根据Dijkstra算法获得初步推荐路径,并借鉴了国内外研究学者解决动态随机最短路径的思路,将网络节点划分至多个区域,运用Dijkstra算法判定出赘余的区域和节点,将赘余区域和节点删除,采用遗传算法获取多种运输模式下的推荐路径;最后,针对出行者在面对多模式公共运输方式的选择时交通状况的不确定性和多模式组合的问题,提出了基于前景理论的多模式公共运输方式选择模型,对遗传算法获得的多个路径进行评价选择。在遗传算法获得动态随机网络推荐路径时,按照文中策略去除赘余节点后,可将模型规模减小至原模型30%左右,运算速度可提高10倍,且遗传算法所得各推荐路径换算费用期望值相差不到20%,前景理论分析的路径规模大幅减小。在前景理论分析部分,该模型克服了传统的预期效用理论中效用最大假设和出行者完全理性假设的缺点,并对不同出行者出行代价进行量化,消除了传统方法中将出行费用和出行时间作为出行代价来衡量的方法带来的偏差,使得模型更加接近现实中的出行情况。