居民出行方式选择预测是交通规划的重要组成部分之一。如果居民出行方式的分担率合理,城市有限的交通空间就能得到合理利用,交通拥挤就会得到缓解。但现有的出行方式选择预测模型存在各种缺陷,因此有必要进一步研究居民出行方式选择预测方法。本文利用神经网络良好的学习能力和模式分类能力,体现各出行方式与其影响因素间复杂的关系,运用MATLAB的概率神经网络工具箱(NNT),建立城市居民出行方式选择预测模型,并以北京市房山区居民出行调查数据为例,验证将概率神经网络应用于居民出行方式选择预测的可行性和有效性。论文首先介绍常用的出行方式选择预测模型,分析其各自存在的问题,阐述了应用概率神经网络在交通方式划分上的有效性,并针对模型中的参数标定问题,提出了改进模型参数标定的方法;然后,对房山区居民出行调查数据进行统计分析,总结影响房山区居民出行方式选择的主要因素,为建立房山区交通方式划分模型标定参数;最后,以房山区居民出行为实例,将改进标定参数前后的两模型预测结果对比,结果表明改进参数标定方法可以优化模型,同时将基于概率神经网络的交通方式划分模型与集计模型和非集计模型相比较,结果表明概率神经网络在交通方式划分方面具有较好的精度。因此可用训练好的概率神经网络模型,根据未来年个人社会经济属性预测规划年各出行者选择每种交通方式的概率,得到各种交通方式的分担率。