随着社会经济发展和人民生活水平的提高,城市居民小汽车的保有量不断增加,城市交通问题不断凸显。高效的路径诱导是提高道路资源利用率和交通运行速度、缓解拥堵问题的有效途径之一。然而根据国内外的研究成果,现有的路径诱导系统多数仅根据实时路况进行动态路径计算,而没有考虑出行者根据主观的出行习惯对诱导路径的遵从和调整。本文将同时考虑实时路况和出行者的主观习惯,对路径选择行为进行预测研究,建立考虑路况和习惯的路径选择行为预测模型,为诱导路径的实时计算提供理论支持。本文首先进行了多日的出行路径RP调查,调查结果显示,居民出行的实际多日路径选择与个人出行习惯有很强的相关关系。基于此,进行出行路段选择对习惯和路况依从度的SP调查,调查结果表明,在不同路况水平下,出行路段选择时对习惯和路况的依从度有所不同。以多日的出行路径RP调查数据为基础,建立了基于习惯的路径选择马尔科夫预测模型,应用马尔科夫方法对工作日上班、下班以及周末购物、回家等高频度出行的路径选择概率进行预测。模型验证结果表明,工作日上班和工作日下班出行路径预测准确率较低,分别为68.27%和65.38%,周末购物和周末购物后回家的出行路径预测准确率较高,分别为81.73%和87.50%。其部分原因可能是工作日上下班的路径选择受到早晚高峰拥堵路况影响。以出行路段选择对习惯和路况依从度SP调查数据为基础,本文建立了非集计二项Logit模型预测出行路段选择对习惯和路况的依从度。模型验证结果表明,模型的总体命中率为81.40%。说明模型能够以较高精度,预测在不同的路况水平下出行者对于习惯路段和非习惯路段的选择行为。结合本文所建立的基于习惯的路径选择行为预测模型和考虑习惯和路况的路段选择行为预测模型,本文最后提出了同时考虑习惯和路况的路径选择行为预测过程。模型验证结果表明,工作日上班、工作日下班、周末购物和周末购物后回家的出行路径预测准确率分别为82.69%、78.85%、86.54%和89.42%。表明在基于习惯的路径选择基础上考虑出行者根据实时路况对习惯路段的调整,可以提高路径选择的预测精度。本文所建立的出行路径预测模型因为将出行者对习惯的遵从和依据实时路况的路段调整相结合而相比传统路径预测理论具有一定的创新性。研究成果可以应用于车载或手机导航APP中,在存储多日路径选择数据的基础上,由程序自动生成习惯路径及选择概率,并依据实时路况对路段选择进行动态调整,从而快速精准地为出行者推荐诱导路径及周边设施。更为重要的是,由于本文所建模型更好地拟合了出行者的路径选择行为,可以在一定程度上为提高大数据背景下的短时交通流预测精度,寻求使交通系统运行效率最高的路径诱导方案提供一定的理论基础。