随着国家经济的飞速发展,交通拥堵问题日益严重。城市居民出行需求呈现出多样化的趋势,居民的出行选择也越来越多。出行行为预测作为进行交通规划必不可少的环节,显得尤为重要。本文提出基于GA-BP神经网络模型的居民出行行为预测,对出行次数、方式以及时间进行较为准确的预测。本文的主要研究点主要有以下方面:(1)对居民出行调查数据的构成以及出行特性进行分析,并分别从出行方式、时间以及次数三方面分析其共同因素对居民出行选择的比例分布,得到居民出行的一般性趋势与规律。(2)结合居民出行行为与共有因素的比例分布关系,并利用SPSS软件的相关性分析,确定最终进入出行行为预测模型建立阶段显著相关的影响因素。(3)以GA-BP神经网络为核心,分别建立出行方式、次数以及时间预测模型,并将预测结果与居民实际选择进行对比分析,结果显示以上三个模型的预测总准确率分别达到87.29%、82.59%以及81.78%,结果达到预期效果。(4)通过对测试集输入数据的改变,模拟交通需求管理措施实施,将训练完成的预测模型应用于限行、公交优先政策以及经济发展等方面,预测居民出行行为变化趋势,研究结果验证了模型具有一定实用价值。本文研究成果对制定科学合理的交通规划以及针对性的交通需求管理政策具有重要意义。