交通供需失衡和供需不稳定是产生交通拥堵的原因。一味地补充供给难以从根本上解决问题,甚至会刺激产生更多出行需求;而供给方面容易受到外界环境的影响、需求方面具有较强的时间特性,因此二者几乎不可能长期都保持在一个稳定的状态上。在这种情况下,需要采用“以疏治堵”的手段,对交通拥堵问题进行治理。而充分了解出行者面对不确定环境的出行选择行为特征,是开展有效疏导政策的前提。首先,本文在Vickrey瓶颈模型的架构上,以通行能力随机变化为实验核心,设计并开展了多参数、多场景的出发时刻选择实验。通过设置两种信息反馈模式,检验了反馈个人信息和全局信息对出行者选择行为的影响。实验发现,时刻的平均成本与成本标准差之间存在较为明显的线性关系,且拟合斜率为正。这说明面对不确定通行能力环境,出行者在选择出发时刻时,倾向于最小化旅行成本预算,且群体表现为偏好冒险类型。在个体行为方面,分析发现历史通行能力、历史到达时间等因素都会引起个体策略的改变。其次,根据实验得到的行为特征,本文应用强化学习理论构建了学习模型。在该模型的仿真过程中,智能体对每个出发时刻的选择倾向由对该时刻的旅行成本预算决定,而对于从未选择过的出发时刻,出行者对其倾向根据其他时刻倾向线性插值得出。仿真结果表明,该模型可以描述通勤者在不确定环境下的选择过程,较好地再现了实验中的现象。最后,本文以单独的晚高峰通勤过程为研究对象,划分出五种基于旅行成本预算的用户均衡状态下可能存在的出行模式。对每种出行模式的出发率、关键时刻、临界条件等内容进行了理论推导,给出了解析表达式。并从现实意义出发,讨论了每种出行模式在现实中存在的合理性。在理论研究的基础上,采用数值算例直观展现了出行群体风险倾向参数、道路通行能力下降比例、通行能力降低概率等对出行模式变化情况、通勤过程时间跨度、旅行成本预算、成本均值和成本标准差的影响。