研究通勤出行者的路径选择行为特点,可以为城市的交通规划、管理和控制提供有效的技术支持,对提高城市的整体出行效率、缓解城市的交通拥堵问题具有极其重要的作用。在传统研究中,限于实际路径选择的数据难以被精确采集,大部分文献对路径选择行为的研究仍然基于一些前提假设,如:最大效用理论、前景理论或者后悔理论等,并将其应用于交通分配中。随着GPS和GIS技术的成熟,出行者的实际路径选择行为可以被真实的反映在高精度电子地图上,以此为基础的路径选择行为研究成果会更接近于现实。本文首先建立了一套完整的基于GPS数据的小汽车通勤出行提取规则方法,并提出了一种基于多路径的高精度地图上离线地图匹配算法,以此为数据基础,不仅挖掘了通勤出行中实际路径与最短距离路径以及最短时间路径的差异以及影响因素,并全面分析了非最优出行的结构化原因。随后构建了通勤出行路径选择行为模型,并分析了多日单OD对路径选择行为特征,构建了多日单OD对路径选择行为模型。本文的研究样本虽然来源于美国的调查数据,但考虑到城市发展的共通性,研究理论与方法的可移植性,本文所提出的研究思路和方法对于研究我国城市发展中存在的问题同样具有较好的实践应用价值。论文主要的研究内容总结如下:(1)本文基于时间间隔将原始GPS轨迹流分割为独立的仅包含一次出行的GPS轨迹。考虑设备异常或者被调查者的操作失误,通过判断瞬时速度、平均速度或出行时长移除异常出行轨迹得到最终有效出行数据。采用分层识别法,按照所需要识别的各种交通方式按层次进行逐层识别,并依据出行起点和终点的位置以及出行者的职工类型,提取出小汽车通勤出行样本数据。并提出出行角度概念以判断通勤出行途中是否有其他出行目的,且对出行的路径选择会造成较大影响。(2)在对异常数据处理的基础上,以多重假设技术为框架,建立了一种基于多路径的,有效、准确的高精度地图上离线地图匹配算法。此算法包括预处理、构建子网络、构建初始路径集、构建路径节点集和局部节点集、构建路段-节点和节点-路段关联矩阵、构建潜在路径集以及确定最终选择路径等六个步骤。最后,将实际小汽车通勤出行路径匹配到电子地图上的同时,分别以路段长度、旅行时间为阻抗构建最短距离路径和最短时间路径。(3)对三种路径的总体特征,实际路径与最短距离路径以及最短时间路径的重叠度分布、相对时间差值、绝对时间差值以及距离差值,实际路径与最短距离路径以及最短时间路径在距离差与时间差在不同属性分类上的分布进行分析。并构建回归模型从距离比、时间比和重叠度上分别分析各种因素对实际路径与两种理论路径的偏离影响。并结合已有研究,本文分别从无私性、理性、感知、信息、价值、目标、搜索成本、可靠性以及驾驶乐趣等角度,首次进行综合分析尝试去理解了出行者不选择最短路径的可能原因。(4)从经济学引出路径选择集概念,归纳总结了路径选择集的构建方法,在BFS-LE算法的基础上,从执行层面进行加强,构建了一种新的E-BFS-LE路径选择集的构建算法。归纳总结了路径选择行为的离散模型建模方法,并以PS-Logit为模型框架,对本文所采集的通勤出行路径选择进行参数标定,发现不同路径属性对路径选择行为的影响。(5)对于具有多日出行的样本数据进行分类,将出行者分为SRSP、SRNSP以及NSR三类。同时,建立了包括实际使用路径间的总体重叠程度(Oaa),实际路径与最短时间路径的平均重叠度(Oas_p)及标准偏差(SDp),实际路径与最短时间路径的平均相对时间差(Oas-t)及标准偏差(SDt)等五个指标的指标体系用于描述不同类别出行者的特征,发现不同类别的出行者存在较大差异。(6)基于不同类别的出行者的路径选择行为存在较大差异,区别于以往研究中将所有出行者均采用同一种模型进行分析,本文建立了 Two-Stage多日单OD对路径选择行为模型,并分别采用神经网络框架和决策树框架对两个步骤进行建模分析,从预测结果可以发现,此模型可以较好的描述出行者的通勤出行路径选择行为。本文基于GPS数据对通勤出行者的路径选择行为进行研究,在GPS等新技术在交通问题研究领域的应用方面进行了尝试与探索,为缓解城市交通拥堵的对策方面提供了理论依据。